基于GRNN的黄麦岭露天矿爆破参数优化

喻亚洲

(武汉理工大学资源与环境工程学院)

基于GRNN的黄麦岭露天矿爆破参数优化

喻亚洲

(武汉理工大学资源与环境工程学院)

针对黄麦岭露天矿爆破过程中存在的大块率高、根底多等问题，使用广义回归神经网络(GRNN)进行爆破参数优化，得出最优爆破参数为：孔距5.17 m，排距3.72 m，底盘抵抗线3.72 m，炸药单耗0.88 kg/m3。通过现场试验，优化后的爆破参数爆破效果明显得到改善。

露天矿爆破 广义回归神经网络 参数优化

穿孔爆破作业是露天矿生产过程中的重要环节，爆破效果的好坏对矿山生产过程中的采装、运输等后续工序的工作效率和经济效益有很大影响[1-2],而爆破效果与爆破参数有直接关系。爆破参数的确定方法有类比法、公式法和现场试验法[3]。类比法是一种定性的方法，其推理体系不严密,对于不同的工程,类比结果也相差很大,而且类比的因素也不完全一致,很难确定工程类比法的准确定义和操作过程[4]；公式法的参数范围很大，无法做到真正优选；现场试验法投入巨大，且不具备普遍适用性[5]。为取得良好的爆破效果，通常会根据各地的实际条件对选取的爆破参数进行优化[6]。

随着科技的进步，神经网络开始越来越多的运用于露天矿爆破参数的优化研究，最常见的就是BP神经网络。如郑长青等基于神经网络的台阶爆破参数优化设计，戴云波等基于BP网络的采场爆破钻孔参数优化。然而BP神经网络有其局限性，如收敛速度比较慢,训练网络需要的时间比较长。此外如果误差曲面存在多个局部极小点，BP神经网络就可能会在没有达到全局最小点的时候就结束训练。本文针对黄麦岭露天矿生产过程中存在的大块率高、根底多等问题，使用广义回归神经网络(GRNN)对爆破参数进行优化研究，得出最优爆破参数，改善了矿山爆破效果。

1 矿山概况、爆破现状及其效果评价

1.1 矿山概况

黄麦岭露天矿位于湖北省孝感市大悟县，是一家国有大型企业，集采选、化肥、化工于一体，为全国十佳矿山、中国化工百强企业以及湖北省优秀企业。该矿露天采场每年采剥矿岩总量600万t，年产矿石100万t。其西坑已经开采完毕，东坑采场矿体为WN—ES走向，向南倾斜；+110 m开采水平上主要为浅粒磷灰岩、条带变粒状磷灰岩和锰质磷灰岩，属于易爆矿体[7]。南面主要为团状浅粒岩、绿色片岩、二长片麻岩和绿色片麻岩，其硬度系数为12～16，属难爆岩石[8]。

黄麦岭露天矿台阶高度10 m，使用TYL-368型履带式潜孔钻机，炮孔直径140 mm。该矿目前采用逐孔起爆技术，使用车制乳化炸药，并用高精度毫秒非电雷管起爆。炸药单耗0.76 kg/m3，底盘抵抗线4.5 m，孔距5 m，排距4.5 m，超深1.5 m，堵塞长度3 m。

1.2 爆破过程中存在的问题

随着矿山开采的加深,开采范围变小,矿岩岩性发生变化,使用上述爆破参数出现了根底多，大块率较高，后冲和侧裂问题比较严重的问题。根底和大块会增加运输和选矿的成本，后冲和侧裂会降低下次穿孔的效率。因此，有必要对爆破参数进行优化，以改善爆破效果。

1.3 爆破效果的评价

爆破效果的评价包括:安全标准、质量标准和经济标准[9]。安全标准指爆破作业本身的安全和周围环境的安全,质量标准因爆破的目的和方法等的不同而不同,经济标准是将爆破成本控制在一定的范围内并尽可能的减小爆破成本。露天矿山目前通常采用大块率和根底率两个指标来衡量爆破效果，好的爆破效果要求爆破后的爆堆比较松散、块度均匀、后裂距离小、底板没有根底，同时降低爆破成本并减小爆破的负面效应[10]。

2 基于GRNN爆破参数优化

2.1 GRNN的原理

1991年，美国学者Donald F. Specht首次提出GRNN(广义回归神经网络)。GRNN是基于径向基神经网络，在其基础上添加一个特殊的线性层构成的网络，常用于求解函数逼近等问题。和BP神经网络相比，GRNN有较好的收敛性和较高的精度，而且模型结构简单、计算效率高，所以应用性好。其结构见图1所示[11]。

图1 广义回归网络结构

GRNN由4层网络构成，即输入层、模式层、求和层、输出层。其中，输入层的神经元数等于样本向量的维数；模式层神经元数等于学习样本的个数，各神经元对应不同的样本；求和层中有两类神经元进行求和，分别对模式层中的数据通过式(1)、式(2)进行求和；输出层最终计算结果为式(3)：

(1)

(2)

(3)

2.2 神经网络设计

黄麦岭露天矿采集的一组爆破数据如表1。

表1 黄麦岭露天矿爆破参数工业试验结果

注：①②两组数据为检测数据；③～组数据为训练数据。

综合考虑钻孔爆破和采装运输等经济效益，黄麦岭露天矿的爆破目标是将大块率控制在1%，根底率控制在0.1%，后裂距离控制在1.5 m。选取大块率、根底率和后裂距离作为输入参数。

在黄麦岭露天矿的爆破施工过程中，孔径、炸药种类和超深都是固定的。孔径为140 mm，炸药为车制乳化炸药，超深为1.5 m。可以不考虑其作为输出参数。

孔深为10+1.5=11.5 m，单孔装药量等于孔距、排距和炸药单耗的乘积。在实际爆破中单孔装药量固定为195.5 kg，孔间微差时间为17和25 ms,排间微差为42和65 ms。根据经验并参考采矿手册，取底盘抵抗线和排距相等。将孔距、排距作为输出参数。

按照前述步骤，将样本数据代入建立好的模型样本进行训练。训练完毕后，挑选①、②两组数据，利用仿真函数来分析测试网络。结果表明测试误差都在10%以内，基本能够满足该矿的爆破设计要求，说明本模型对该矿爆破参数设计有很好的指导意义和参考价值。

2.3 神经网络的应用

将大块率1%，根底率0.1%，后裂距离1.5 m输入神经网络模型，得到的输出结果是孔距为5.165 4 m，排距为3.723 1 m。在实际生产过程中取孔距5.17 m，排距为3.72 m，则底盘抵抗线为3.72 m，炸药单耗为0.88 kg/m3。收集现场3组数据进行比较，理论值与实际值对比见表2，其中①组为理论值，②、③、④组为实际值。

表2 实际值与理论值对比

由表2可得，实际生产过程中收集的3组值参数和理论值误差都在10%以内，达到了黄麦岭的爆破目标。

3 结 论

(1)选取合理的GRNN网络模型输入因子及输出因子，运用训练好的网络对爆破参数进行处理，确定最优爆破参数为：孔距5.17 m，排距为3.72 m，底盘抵抗线为3.72 m，炸药单耗为0.88 kg/m3。

(2)运用网络模型确定的最优爆破参数，取得了比较理想的爆破效果和良好的经济效益，证明基于GRNN的黄麦岭露天矿爆破参数优化分析方法是可行的。

[1] 管伯伦.爆破工程[M].北京：冶金工业出版社，2003.

[2] 王创业，张飞天，韩万东.基于神经网络的露天矿爆破参数优化研究 [J].金属矿山，2011(3)：57-59.

[3] 王玉杰．爆破工程[M].武汉:武汉理工大学版社,2007．

[4] 周海清，刘东升，陈正汉.工程类比法及其在滑坡治理工程中的应用[J].地下空间与工程学报，2008,4(6)：1056-1060.

[5] 戴云波，张德明，高宇梁,等.基于BP网络的采场爆破钻孔参数优化[J].爆破，2014,31(3)：57-62.

[6] 魏大恩.露天矿爆破参数优化试验研究[J].云南冶金，2002,31(5):10-14.

[7] 王 涛,惠明星,刘建兵.黄麦岭露天矿层状岩体爆破参数优化 [J].现代矿业，2012(6)：68-69.

[8] 刘建兵，张建华，胡德义.黄麦岭露天矿爆破参数的优化研究[J].矿业研究与开发，2013,33(1)：110-112.

[9] 袁 梅，王作强，张义平.基于模糊数学-层次分析的露天矿深孔爆破效果评价研究[J].矿业研究与开发，2010,30(5):81-84.

[10] 秦 虎，汪旭光.爆破效果综合评价的模糊数学模型[J].工程爆破，1997,3(3)：5-10.

[11] 赵顺利,章 光,岳晓光,等.基于GRNN的广义折减法在岩爆预测中的应用 [EB/OL].[2015-04-15].http://www.paper.edu.cn/html/releasepaper/2015/02/191.

2015-04-20)

喻亚洲(1989—)，男，硕士研究生，430070 湖北省武汉市洪山区珞狮路122号。