基于GRNN的黃麥嶺露天礦爆破參數優化

喻亞洲

(武漢理工大學資源與環境工程學院)

基于GRNN的黃麥嶺露天礦爆破參數優化

喻亞洲

(武漢理工大學資源與環境工程學院)

針對黃麥嶺露天礦爆破過程中存在的大塊率高、根底多等問題，使用廣義回歸神經網絡(GRNN)進行爆破參數優化，得出最優爆破參數為：孔距5.17 m，排距3.72 m，底盤抵抗線3.72 m，炸藥單耗0.88 kg/m3。通過現場試驗，優化后的爆破參數爆破效果明顯得到改善。

露天礦爆破 廣義回歸神經網絡 參數優化

穿孔爆破作業是露天礦生產過程中的重要環節，爆破效果的好壞對礦山生產過程中的采裝、運輸等后續工序的工作效率和經濟效益有很大影響[1-2],而爆破效果與爆破參數有直接關系。爆破參數的確定方法有類比法、公式法和現場試驗法[3]。類比法是一種定性的方法，其推理體系不嚴密,對于不同的工程,類比結果也相差很大,而且類比的因素也不完全一致,很難確定工程類比法的準確定義和操作過程[4]；公式法的參數范圍很大，無法做到真正優選；現場試驗法投入巨大，且不具備普遍適用性[5]。為取得良好的爆破效果，通常會根據各地的實際條件對選取的爆破參數進行優化[6]。

隨著科技的進步，神經網絡開始越來越多的運用于露天礦爆破參數的優化研究，最常見的就是BP神經網絡。如鄭長青等基于神經網絡的臺階爆破參數優化設計，戴云波等基于BP網絡的采場爆破鉆孔參數優化。然而BP神經網絡有其局限性，如收斂速度比較慢,訓練網絡需要的時間比較長。……