王 军，崔志鹏

（江苏南京地质工程勘察院，江苏 南京 210041）

合理的预测岩石的爆破块度分布对于露天矿山的开挖起到了至关重要的作用，并影响后续各项工作的展开。汪学清等［1］构建了神经网络预测模型；周传波［2］研究了基于回归分析理论来预测爆破块度的合理性；潘玉忠等［3］将SVM预测模型引入到爆破块度的预测中；史秀志等［4］验证了LS-SVR预测模型来预测爆破块度的可行性；郑皓文［5］将经过BFO优化后的LSSVM预测模型应用到爆破块度中。

现将GSA-LSSVM预测模型引入到爆破块度的预测当中，利用万有引力搜索算法获得LS-SVM模型中更为合适的关键参数，使得拟合结果更准确。结合已存在的爆破块度统计资料，分别应用三种预测方法对其进行爆破块度的预测。通过对比分析，验证GSA-LSSVM模型的预测效果。

1 GSA-LSSVM算法

1.1 万有引力搜索算法

万有引力搜索算法是由Esmat Rashedi等人提出了一种智能优化算法。该算法通过对物理学中的万有引力这一概念的模拟，得到了一种群体智能优化算法（Gravitational Search Algorithm，GSA）。

万有引力搜索算法的原理：把搜索粒子类比为散落在空间中的若干物体，他们之间的相互作用按照物理学中的万有引力公式来计算。当粒子在运动的过程中，适度值越大惯性质量越大。物体的质量与吸引力成正比，最大质量的物体则吸引着其它物体，不断移动靠近，计算出所需要优化问题的最佳值［6］。

1.2 最小二乘支持向量机

LS-SVM模型的优化评判标准不同于SVM，采取对比目标函数误差的平方项，并将SVM中的不等式约束改为等式约束。……