基于Transformer-LSTM耦合模型的露天矿爆破振动峰值速度预测
刘干1
肖双双2
龚伟2
林士桢2
1.中煤科工集团沈阳设计研究院有限公司,辽宁 沈阳 1100152.西安科技大学 能源与矿业工程学院,陕西 西安 710054
摘要：爆破作业是露天煤矿生产的关键环节,但其产生的振动会对周边环境和建筑物造成严重危害,准确预测爆破振动峰值速度对减轻损害、保护周围设施及人员安全具有重要意义.利用皮尔逊相关系数(Pearson)、斯皮尔曼秩相关系数(Spearman)、互信息(Mutual Info)分析影响爆破振动速度峰值的关键因素,并结合阈值筛选和Lasso回归筛选的结果,确定模型的输入特征值,提出了基于Transformer和LSTM相结合的深度学习模型,用于预测露天矿爆破振动的峰值速度.该模型结合了Transformer在时序数据处理中的优势和LSTM的记忆能力,充分利用了其对时序数据的高效建模特性.通过跨模态拼接将 2 种特征进行融合,并引入残差连接与归一化技术,以增强模型的鲁棒性.结果表明:爆心距、高程差、爆区宽度、总药量、排数是影响爆破振动速度峰值的关键因素,因此选取这 5 个特征作为模型的输入变量.Transformer-LSTM耦合模型的评估指标决定系数(R2)为 0.963,均方根误差(RMSE)为 2.139,平均绝对误差(MAE)为 1.484,平均绝对百分比误差(MAPE)为 32.431%,与倒数误差法、XGBoost、IPSO-HKELM和GA-LSSVM模型相比,R2 提高了 0.63%、7.96%、7.24%、6.17%;RMSE分别较倒数误差法和GA-LSSVM降低了 51.19%和 143.53%;MAE较倒数误差法、IPSO-HKELM、GA-LSSVM降低了31.71%、3.45%、56.26%;MAPE较XGBoost、IPSO-HKELM、GA-LSSVM降低了37.63%、45.94%、25.78%.因此,在爆破振动速度峰值预测方面,Transformer-LSTM耦合模型在预测精度和误差稳定性优于倒数误差法、XGBoost、IPSO-HKELM、GA-LSSVM模型.
关键词：露天矿TransformerLSTM耦合模型爆破振动峰值速度预测爆破作业
分类号：TD824(矿山开采)
资助基金：新疆维吾尔自治区重大科技专项资助项目(2024A01002)国家自然科学基金(52004202)新疆煤炭资源绿色开采教育部重点实验室开放课题资助项目(KLXGY-KB2424)
论文发表日期：2025-09-30
在线出版日期：2025-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：10( 71-80 )
英文信息