基于SVR的隧道掘进光面爆破效果预测模型

摘要：

为了提高隧道掘进光面爆破效果预测准确性,构建了基于支持向量机回归(SVR)的光面爆破效果预测模型.选取炮眼密集系数、最小抵抗线、光爆孔线装药量、光爆孔眼深度和岩石单轴抗压强度共5个影响因素作为输入参数,选取半眼率和超欠挖量共2个爆破效果评价指标作为输出参数,分别利用遗传算法、粒子群算法、模拟退火算法对36组隧(巷)道爆破样本进行优化训练,对4组隧(巷)道爆破样本进行预测并与神经网络预测模型进行对比.结果表明,遗传算法优化效果较好.使用遗传算法的优化结果作为SVR预测模型最终参数,4组样本半眼率实测值与预测值相对误差分别为3.4％、6.1％、4.7％、6.2％,超欠挖量实测值与预测值相对误差分别为0、6.3％、4.0％、6.3％,优于神经网络预测模型,具有很好的准确性,能满足实际工程需要.

关键词：支持向量回归、光面爆破、爆破效果预测、隧(巷)道掘进

所属期刊栏目：42

分类号：TD235(矿山设计与建设)

资助基金：国家重点研发计划;新疆维吾尔自治区重大科技专项;特长公路隧道机械化安全快速施工技术研究

在线出版日期：2022-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：28-31