金属矿山

作者：何理,刘易和,李琳娜,陈江伟,姚颖康,刘昌邦

单位：1.冶金工业过程系统科学湖北省重点实验室，湖北 武汉 430065；2.江汉大学爆破工程湖北省重点实验室，湖北 武汉 430056；3.中国建筑第七工程局有限公司，河南 郑州 450004；4.江汉大学精细爆破国家重点实验室，湖北 武汉 430056；5.武汉爆破有限公司，湖北 武汉 430056

关键词：振动速度预测,敏感性分析,最小二乘支持向量机模型,粒子群算法,泛化能力,

基金：国家自然科学基金项目（编号：51904210）；冶金工业过程系统科学湖北省重点实验室基金项目（编号：Z202001）；爆破工程湖北省重点实验室基金项目（编号：BL2021-11）；湖北省重点研发计划项目（编号：2020BCA084）。

爆破地震危害是矿山开采过程中最为显著的负面效应之一，准确预测质点峰值振动速度（PPV）对于有效预防爆破振动引发的建（构）筑物失稳破坏具有极大的工程实际意义。设计并开展了露天矿山开挖爆破现场监测试验，采用灰色关联分析法对PPV影响因素进行敏感性分析，确定各影响因素之间的主次关系。在此基础上，建立最小二乘支持向量机（LS-SVM）模型对PPV进行预测，并通过粒子群算法（PSO）局部寻优确定LSSVM模型中正则化参数和核函数宽度系数的最佳参数组合，最后将PSO-LSSVM模型预测结果与BP神经网络模型、LS-SVM模型及传统萨道夫斯基公式的预测结果进行了对比分析。结果表明：PSO-LSSVM模型对PPV预测的拟合相关系数（R2）、均方根误差（RMSE）、平均相对误差（MRE）及纳什系数（NSE）分别为97.38%、2.68%、1.36%和99.98%，PSO-LSSVM模型预测精度更高，且具有更好的泛化能力，用于多因素影响下的矿山爆破PPV预测切实可行。

来源：2022年第07期

《金属矿山》期刊编辑部

查看金属矿山杂志2022年第07期