岳中文,吴羽霄,魏 正,王 贵,王 渊,李 鑫,周奕硕

(1.中国矿业大学(北京)力学与建筑工程学院，北京 100083；2.内蒙古康宁爆破有限责任公司，内蒙古 鄂尔多斯 017010)

爆破地震波会对爆破周边地区的建(构)筑物及岩体造成不同程度的破坏[1]，准确预测爆破过程中产生的振动效应，优化爆破设计参数是降低爆破振动效应危害的主要方法。国家最新的《爆破安全规程》(GB 6722-2014)[2]中将质点的爆破峰值振动速度和振动主频作为评判爆破振动安全的依据，然而爆破振动速度和主频与各影响因素之间没有定性的预测系统，它们之间存在一种尚未明确、难以系统描述的非线性映射关系。目前国内外学者用来预测爆破振动速度的主要方法有经验公式法[3-4]、BP神经网络及其改进算法[5-8]、数值模拟[9-11]等。其中萨道夫斯基公式仅考虑了药量和爆心距两个参数[12]，对多因素影响下的预测误差较大；BP网络收敛速度慢，需要大量有效的训练样本提高预测精度，导致其学习速度较慢、泛化能力差。

支持向量机[13-14](SVM)是一种新兴的机器学习算法，具有较强的局部和全局寻优能力，能够解决爆破工程中样本少、非线性、影响因子多等实际问题。最小二乘支持向量机(LSSVM)在传统SVM的基础上，结合正则化理论将SVM中的不等式约束转化为等式约束，避免了SVM复杂的二次规划问题。但是LSSVM模型预测的关键在于其参数γ和σ的选取，传统支持向量机模型通常采用经验值设定两参数的值，导致预测效果不佳。粒子群算法(PSO)作为一种新型的全局搜索算法，具有设置参数少、收敛速度快、预测精度高等特点，在参数寻优方面得到了广泛应用。……