金属矿山

作者：王晓雷,兰超,李群,闫顺玺,杜潇潇,

单位：1. 华北理工大学矿业工程学院,河北 唐山 063210;2. 河北省矿山绿色智能开采技术创新中心,河北 唐山 063210

关键词：混合集成模型,,AEA 优化算法,,块度预测,,Shapley 模型解释,

基金：河北省自然科学基金项目(编号:E2024209024);唐山市应用基础研究科技计划项目(编号:24130212C)。

爆破块度是影响露天矿山生产效率和成本控制的重要因素,准确预测块度对于优化爆破参数设计具有重要意义。为此,提出了一种基于阿尔法进化算法(AEA)优化的XGBoost 混合集成模型。该模型通过97 组爆破样本数据,利用AEA 优化XGBoost 模型的超参数,并结合交叉验证评估其性能。研究结果表明,AEA-XGBoost 模型在预测精度、稳定性和泛化能力方面表现优异。模型的决定系数最高为0. 921 4,方差解释率为92. 75%,均方根误差为0. 045,显著优于传统的人工神经网络、K 近邻算法、梯度提升决策树、LightGBM 及AEA 优化的随机森林模型,表现出更强的鲁棒性和防过拟合能力。为进一步提高模型的可解释性,采用Shapley 加性解释算法进行分析,揭示了弹性模量、堵塞长度与抵抗线比值以及原岩块度是影响爆破块度预测的关键特征。最后,基于8 个实际爆破工程案例,验证了AEA-XGBoost 模型的应用效果,预测值与实测值高度一致,证明了该模型在复杂地质条件和实际爆破环境中的可行性和有效性。

来源：2026年第2期

《金属矿山》期刊编辑部

查看金属矿山杂志2026年第2期