基于3种神经网络算法的露天矿山台阶爆破块度预测
戴增杰1
梁昊1
王贵2
李洪伟1
魏正2
储亚坤1
王多良1
1.安徽理工大学 化工与爆破学院,安徽 淮南 2320012.内蒙古康宁爆破有限责任公司,内蒙古 鄂尔多斯 017010
摘要：为实现露天矿山台阶爆破效果预测,以爆破经验公式和现场爆破数据为基础,构建了爆破参数经验数据集,采用BP、FNN和RBF神经网络智能算法对爆破参数优化进行研究和分析.基于深度神经网络算法对爆破参数与岩石破碎的关系进行研究和分析,建立了爆破参数与大块率的预测模型,对爆破参数进行敏感性分析,并将预测结果与实例对比.研究结果表明:3 种预测模型的训练过程的损失值均小于0.05,对敏感性分析发现,孔距和排距对模型预测结果具有最显著的影响;在数据集的训练和测试中,BP 模型表现出优越的预测精度,FNN模型在各方面表现均衡,RBF模型表现出显著的稳定性;在应用实例中,3 种模型的相对误差均不超过 10%,在预测爆破结果参数方面具有较高准确度,此研究模型和结果可以作为爆破工程实践的参考.
关键词：台阶爆破爆破参数数据集爆破块度预测多种神经网络敏感性分析人工智能算法
分类号：TD235(矿山设计与建设)
资助基金：安徽高校自然科学研究项目(2022yjrc17)安徽理工大学高层次引进人才科研启动基金(2022AH050838)安徽理工大学大学生创新创业训练计划项目(202310361042)
论文发表日期：2024-12-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1-6,11 )
英文信息