为了解决矿区爆破振动产生的危害大、影响因素多、特征参量监测结果离散和计算非线性的问题,通过建立基于遗传算法优化BP神经网络预测模型来拟合煤矿爆破振动参数与特征参量之间的非线性关系,并采用该模型对煤矿爆破振动特征参量进行了准确的预测。研究结果表明:在实际工程中,GA-BP神经网络模型对确定不容易测量的爆破振动特征参量能有效预测,同时又能节约大量人力和财力;GA-BP神经网络预测模型较经验公式、BP神经网络预测模型有更强的解决复杂非线性问题能力,其预测值与实际值的相对误差在10%以内,不易陷入局部极

在某露天矿由于爆破参数与岩石特性不相符合,导致爆破效果不是太好,大块率高,留有根底,炸药单耗偏高,大块率高势必会导致二次破碎的费用偏高,还会对铲装运输等后续程序产生影响,这都直接影响着矿山的经济效益。通过BP神经网络对矿山爆破参数进行优化,改善爆破效果,提高矿山的经济效益。

在某露天矿,由于矿区岩体结构复杂,岩石种类繁多,并且选取爆破参数时主要选取方式是依据经验,没有对爆破区域岩石的可爆性进行一个理论化划分,从而导致岩石破碎效果忽好忽坏,炸药的单耗时高时低,并导致大块率偏高,从而提高了二次破碎的成本。对矿区的采装运输产生了巨大的影响。

本文针对黑岱沟露天煤矿抛掷爆破———拉斗铲倒堆生产工艺，基于爆堆形态数据，利用BP神经网络模型反演优化爆破设计参数。 研究显示，BP神经网络对大量抛掷爆破数据分析处理 具有较高适应性，预测效果误差在4.53％内，利用典型爆堆曲线预测爆破参数，输出参数值与相似 历史数据对比误差在6.56％内，预测精度不低于93％，预测参数值可用于对露天煤矿的爆破设计 方案的优化。