史秀志,郭　霆,尚雪义,姬露露

(中南大学 资源与安全工程学院，长沙 410083)



基于PCA-BP神经网络的岩石爆破平均粒径预测*

史秀志,郭霆,尚雪义,姬露露

(中南大学 资源与安全工程学院，长沙 410083)

摘要:岩石爆破平均粒径的预测对岩石采装及二次破碎具有重要意义，然而常规的神经网络预测岩石爆破平均粒径存在较大的误差。为更加合理准确预测岩石爆破粒径分布，选取台阶高度与钻孔荷载比(H/B)，间距与荷载比(S/B)，荷载与孔径比(B/D)，炮泥与荷载比(T/B)，粉因数(Pf)，弹性模量(E)和现场块度大小(XB)7个主要影响岩石爆破粒径的因素，并结合BP神经网络较好的预测性，以及主成分分析(PCA)能消除自变量间的相关性和减少BP神经网络输入数据的特点，建立了基于PCA-BP神经网络的岩石爆破粒径预测模型。以48组实测数据为例，对7个影响因素进行主成分分析，最终降为4个主成分，进而将其作为BP神经网络的输入因子，对岩石爆破粒径进行了预测。结果表明：BP神经网络与最小二乘法预测的平均误差分别为15.71%、27.32%，而PCA-BP神经网络预测平均误差仅为9.21%，实现了对岩石爆破粒径的较准确预测。综上所知，PCA-BP神经网络模型为岩石爆破平均粒径预测提供了一种科学、可靠的方法。

关键词:岩石爆破粒径；主成分分析法；BP神经网络；预测模型；最小二乘法

在露天矿爆破作业中，合适的爆破粒径分布不仅有利于矿石的装载和运输，提高采装效率，而且可降低二次破碎带来的风险[1]。因而实现最佳的破岩粒度分布无疑成为了岩石爆破的重点。……