采矿与安全工程学报 ›› 2026, Vol. 43 ›› Issue (2): 430-439.doi: 10.13545/j.cnki.jmse.2024.0483
肖双双，林士桢，郭桢炜，董国伟，王红胜
摘要： 为提高对爆破振动峰值速度（PPV）的预测精度，选取爆心距离、炸药单耗、最大单响药量、高差、总药量等5个影响因素，构建了爆破振动峰值速度预测指标体系。采用遗传算法优化最小二乘支持向量机模型，利用优化后的GA-LSSVM模型与随机森林（RF）模型各自建立爆破振动峰值速度预测单一模型，并利用倒数误差法将二者进行结果集成，提出了振动峰值速度集成预测方法。通过优化确定了最大迭代次数为100，激活函数为Relu，随机数种子为45，神经元数量为40，数据分配比例为8∶2。该模型的评价指标R2、RMSE、MAE分别为0.968，4.282和2.193，相较于GA-LSSVM、RF、LSSVM和Adaboost模型，R2分别提升了2.76%，6.37%，9.50%和10.38%，RMSE分别降低了31.15%，18.03%，20.28%和37.89%，MAE分别降低了35.37%，49.94%，30.51%和34.73%。结果表明：相较于单一模型，集成模型可以结合不同模型的优势，减少偏差，提高模型鲁棒性、泛化能力及抗噪声能力。研究结果可为科学设计松动爆破参数、降低松动爆破振动效应提供理论依据。
中图分类号:
