翟中华，魏泽洋，覃逸峰，黄河念，王镜宇，黄承民，张斌弛，张子健，于佳龙

(中国矿业大学(北京)力学与建筑工程学院，北京市海淀区，100083)

0 引言

岩石巷道爆破掘进是煤巷建设中广泛使用的一种掘进方式，但由于影响爆破设计的因素众多，且存在众多可定性描述但难以定量分析的影响因素，尤其是由于岩性的多变使得爆破参数需要实时调整和变化，而在实际工程中参数的实时调整对现场技术人员的工程经验要求较高。完全由公式计算出的爆破参数往往不能满足爆破需要。随着计算机技术的发展，将机器学习引入爆破研究中具有重要意义。唐跃[1]基于交叉验证理论通过支持向量机模型参数寻优中,得到最优爆破块度预测模型；马鑫民等[2]基于综合分析法确定影响煤矿岩巷爆破效果关键指标，提出基于GA-SVM融合技术的爆破效果预测模型，实现爆破效果的合理预测；张钦礼等[3]设计了9组爆破参数正交试验，利用RBF神经网络模型对试验结果进行预测，使用爆破综合期望指数得到最优爆破参数；岳中文等[4]建立PSO-SVM模型进行关键参数寻优，验证了模型在不同核函数上的预测准确率，结果表明RBF核函数的预测效果最佳；崔年生等[5]采用进化径向基神经网络方法优化爆破参数，得出了一套适用于多铜矿岩台阶爆破的最优爆破参数，取得了良好的爆破效果；XU Shida等[6]提出了一种结合主成分分析(PCA)和支持向量机(SVM)模型来预测爆破振动，结果证明了PCA-SVM模型在爆破估计方面的优越性；……