关富僳 吴发名 罗 志 姚 强 廖亚斌 李洪涛

①四川大学水利水电学院(四川成都，610065)

②四川大学水力学与山区河流开发保护国家重点实验室(四川成都，610065)

③中国三峡建设管理有限公司(四川成都，610000)

④中国水利水电第七工程局有限公司(四川成都，610034)

引言

岩石爆破工程中，爆破参数与爆破块度之间是一种多因素与多指标的对应关系[1-3]。准确描述这种对应关系，实现对爆破块度的预测，可较好地进行筑坝材料的块度控制，从而保证土石坝的填筑质量[4-5]。而传统的块度分布函数模型、爆堆摄影法、大块率统计法等存在一定的局限性，均难以准确反映这种对应关系并实现对爆破块度的精准预测。

近年来，随着人工神经网络在岩体爆破块度预测方面的成功应用，这种多因素与多指标之间的非线性映射关系有了可靠的描述方式[6-7]。祝文化等[5]结合工程实践，建立了堆石料爆破开采级配预测的反向传播(back propagation，BP)神经网络模型，并与传统的R-R、G-G-S等经验函数分布模型进行比较；结果表明，采用BP网络模型可以达到较好的级配预测效果。黄志辉[8]综合应用拍摄、图像识别和分形理论建立了求算爆堆级配组成的分形测试方法，并通过BP网络来预测岩块的级配组成。Bahrami等[9]基于人工神经网络算法建立了岩体爆破块度的预测模型，并分析了其主要影响因素。Kulatilake等[10]提出了采用人工神经网络预测岩体爆破平均块度，但存在结构复杂、训练样本参数较多等不足。Mohammad等[11]提出自适应神经网络系统，对岩体爆破粒径进行了预测，与Kuz-Ram模型进行对比，并在工程实例中验证了其准确性。……