前白枣山铁矿地面爆破振动预测

摘要

地面振动是爆破作业过程中最严重、最复杂的环境问题之一.爆破振动会对预留的边坡和构筑物产生不利影响,从而影响建筑物结构的完整性.因此,在爆破过程中准确预测地面振动具有重要意义.研究的主要目的是对矿山爆破引起的地面振动进行高精度预测,以减少地面振动对周围环境的影响.为此,提出神经网络(ANN)模型用于前白枣山铁矿爆破振动预测.研究中收集了前白枣山铁矿29次生产爆破振动数据,并建立了8个ANN模型用于PPV预测.为了评价所建立的网络,选择决定系数(R2)、Root Mean Squared Error(RMSE)和Mean Square Error(MSE)作为网络性能评价指标.比较发现结构为2-6-1的网络性能最佳,R2为0.92、RMSE为0.4、MSE为0.23.为了证明ANN预测方法的优越性,使用4种常用的经验模型和多元线性回归(MLR)模型预测PPV.结果表明:与经验模型和MLR模型相比,ANN模型具有更好的预测性能.