基于倒数误差法的抛掷爆破振动速度集成预测模型
肖双双
林士桢
刘锦
龚伟
西安科技大学能源与矿业工程学院,陕西 西安 710054
摘要：与松动爆破相比,抛掷爆破振动强度大,频率低,对露天矿安全生产影响更大.为准确预测抛掷爆破振动速度,基于文献整理数据及抛掷爆破现场监测数据,分析抛掷爆破振动速度相关数据特征,利用皮尔逊(Pearson)相关性分析法明确抛掷爆破振动速度关键影响因素,构建抛掷爆破振动速度预测指标体系.分别构建了遗传算法优化最小二乘支持向量机(GA-LSSVM)模型和埃尔曼神经网络优化自适应增强算法(Elman-Adaboost)模型,并采用倒数误差法将二者集成,最终形成抛掷爆破振动速度集成预测模型,并提出了模型评价准则及检验方法.结果表明:爆心距离、高差、排数、总药量、炸药单耗、孔距是影响抛掷爆破振动速度的主要因素.优化确定最大迭代次数为 100、激活函数为Relu、随机数种子为 42、神经元数量为 30、数据分配比为 8∶2.与单一模型相比,集成预测模型能够克服传统单一预测模型的局限,具有更好的信息捕获能力,提高振动速度预测模型的鲁棒性及预测精度.该模型的评价指标决定系数(R2)、均方根误差(RMSE)、平均绝对误差(MAE)分别为0.957、4.382、2.173,相较于GA-LSSVM、Elman-Adaboost模型R2 分别提升 5.51%、12.34%,RMSE分别提升15.88%、25.63%,MAE分别提升35.99%、33.34%.
关键词：露天矿抛掷爆破振动速度倒数误差法集成预测
分类号：TD804(矿山开采)
资助基金：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：2025-11-30
在线出版日期：2025-12-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 295-306 )
英文信息