基于RBF神经网络的爆破参数优选试验研究

为了优化某矿山采场的爆破参数,提出了水平凿岩方式代替上向倾斜凿岩方式的改进方案。根据改进方案,在采场中进行了L_9(3~3)的爆破参数正交试验,获取了9组试验结果。利用RBF神经网络模型对试验结果进行预测,以最小抵抗线、孔间距、周边孔距作为输入因子,炸药单耗、大块率作为输出因子,当隐含层个数为9时,预测效果最优;在综合考虑爆破成本和爆破效果的前提下,提出了爆破综合期望指数公式来最终优选爆破参数,获取了48个爆破综合期望指数,最大值1.134。综合分析,最终推荐矿山最优爆破参数为:排距1 m,孔间距1.4 m,周边孔距1 m,炸药单耗0.185 kg·t^(-1)。实际应用证明,选择的孔网参数合理,大块率降低至7%以下,极大的降低了爆破成本。

基于RBF神经网络的采场回采工艺改进试验

某铁矿地下采场回采中存在生产效率低、炸药单耗大和大块率高的问题.为此,提出了水平炮孔前进式开采的改进方案,进行了以排距、孔距、周边孔距为因素的L9(33)的爆破正交试验,建立了以排距、孔距、周边孔距为输入层因子,炸药单耗和大块率为输出层因子的RBF神经网络模型;从安全和经济的角度提出了爆破综合期望指数公式,结合模型预测结果进行最终优选,优选结果为:排距1 m,孔间距1.4 m,周边孔距1 m.经过现场验证,现生产能力为原来的4倍,增加了可充填的采场数目,顶板暴露时间缩短,生产效率提高约75%,炸药单耗减少62%,大块率降低74%.