矿业研究与开发

作者：崔红艳，张子禄，胡静，张荣国，王桐，王勇

关键词：爆破振动;振动速度预测;BP神经网络;TPE算法;超参数优化

爆破振动速度是爆破设计需要考虑的的重要因素之一,然而在爆破振动速度预测中,BP神经网络超参数的确定依赖经验公式且具有主观性。为克服这种局限性,并提高振动速度预测精度,采用超参数优化算法TPE对BP神经网络进行超参数优选.以最大段起爆炸药量、炮孔深度、水平距离、垂直距离和炸药单耗参数作为输入量,建立了隐含层数量神经元数量为31个的BP神经网络(TPEＧBP)预测模型,该模型的爆破振动速度平均预测误差为2.35％,最大误差为6.29％,与基于经验公式确定超参数的BP神经网络模型和传统的BP神经网络模型相比较,平均预测误差分别降低了23.26个百分点和4.24 个百分点,说明参数网络优化后TPE-BP预测模型能更好地拟合振动数据,其预测结果更接近真实值,可为爆破参数设计提供参考依据,从而有效地控制爆破振动。

来源：2024年第5期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2024年第5期