基于SSA-BP模型对露天矿爆破振动速度预测的研究

《ACS Omega》：Research on the Prediction of Blasting Vibration Velocity in Open Pit Mines Based on the SSA-BP Model

爆破振动传播机制研究及 SSA-BP 智能预测模型构建。基于 Halwusu 煤矿松爆项目，通过现场监测数据，结合灰色关联分析确定主要影响因素（总炸药量、钻孔深度、中心距等），构建 SSA-BP 混合模型（Sparrow Search Algorithm + BP Neural Network），预测峰值振动速度误差仅4.22%，R2达0.9836；主振动频率预测误差5.84%，R2为0.9398。数值模拟显示水平径向振动误差最低（6.65%），验证模型在800-1200m距离区间的可靠性，为矿山爆破安全提供理论支撑。

　　
露天煤矿爆破作业产生的振动对周边建筑安全构成潜在威胁。以内蒙古 Halwusu 煤矿 loose 爆破项目为研究对象，该工程采用多排微差爆破技术，通过监测数据与数值模拟相结合的方式，构建了 SSA-BP 智能预测模型，显著提升了爆破振动预测精度。研究显示，爆破振动特性受多种参数共同影响，其中总炸药量、钻孔深度、孔距和装药结构等关键参数对峰值振动速度和主振动频率具有显著调控作用。

在灰色关联分析中，峰值振动速度与总炸药量（γ=0.6962）、钻孔深度（γ=0.6653）、孔距（γ=0.6595）和装药中心距（γ=0.6466）呈现强关联性，这些参数构成核心输入变量。主振动频率则与炮孔数量（γ=0.6654）和最大单段药量（γ=0.6610）相关性更高。基于此，研究团队筛选出总炸药量、最大单段药量、装药中心距、炮孔数量、钻孔深度、排距和孔距共7项关键参数，分别构建了预测峰值振动速度和主振动频率的神经网络模型。

通过Python平台的数据处理与建模，传统 Sadovsky 公式模型在训练数据（前15组）中的拟合优度（R2=0.7925）显著低于优化后的SSA-BP模型（R2=0.9836）。特别是在装药中心距800-1200米范围内，SSA-BP模型预测误差稳定在4.22%以内，验证数据集（后10组）显示其预测精度较基础BP网络提升约40%。对于主振动频率预测，SSA-BP模型在1000-1200米距离区间的平均相对误差降至5.84%，较传统经验公式提升23个百分点。

数值模拟采用ANSYS/LS-DYNA软件构建四孔微差爆破模型，通过流体-固体耦合分析发现：水平径向振动方向模拟精度最优（平均误差6.65%），垂直方向误差达15.79%，这可能与地质界面反射效应和边界条件简化有关。值得注意的是，当装药量达14,000kg且中心距超过1000米时，SSA-BP模型预测误差可控制在2%以内，验证了其在大规模爆破场景下的可靠性。

研究创新性地将Sparrow Search算法与BP神经网络结合。该算法模拟乌鸦群体搜索行为，通过"探索者-跟随者-警戒者"三角色协同机制，有效解决了神经网络易陷入局部最优的问题。实验表明，与传统BP网络相比，SSA-BP模型在训练效率上提升约35%，参数寻优时间缩短62%。特别是在处理非线性数据时，模型泛化能力提升显著，对低频段（2.44-3.66Hz）预测误差由基础模型的59.57%降至26.96%。

爆破振动监测网络覆盖矿区东、西、南三个典型居住区，共设31个监测点位。实测数据显示，振动波在传播过程中呈现显著各向异性，水平径向振动衰减最慢，垂直方向衰减最快。通过建立三维振动场分布模型，发现装药密度与介质波速的比值（Q/ρv）是影响振动传播的关键参数，当该比值超过临界值（约1.5×10?? kg/m3s）时，将引发共振效应，导致振动速度异常升高。

研究还揭示了爆破振动与地质构造的耦合作用机制。在矿区南段，由于地下存在溶洞群，实测振动速度较模型预测值高出18%-22%，验证了地质异常区对振动传播的放大效应。通过引入地层等效弹性模量修正项，可将这类区域预测误差控制在8%以内。这为复杂地质条件下的爆破安全评估提供了重要依据。

模型验证阶段采用交叉验证方法，将数据集随机划分为训练集（60%）和验证集（40%）。在峰值振动速度预测中，基础BP网络平均绝对误差为8.04 cm/s，SSA-BP模型降至4.22 cm/s，最大相对误差从24.78%压缩至10.25%。对于主振动频率，传统神经网络的均方根误差（RMSE）为0.58 Hz，优化后模型降至0.32 Hz。特别在低频段（<10Hz）和高频段（>50Hz）过渡区，SSA-BP模型表现出更好的适应性。

工程应用表明，当装药量超过8000kg且中心距超过800米时，SSA-BP模型预测误差开始趋于稳定。在1200米距离处，模型对水平振动方向的预测精度达到92.3%，垂直方向为81.4%。这为制定分级爆破安全规程提供了量化依据：对距离小于800米的敏感建筑群，建议采用分段装药控制（单段药量≤500kg）；800-1200米区域可实施优化装药结构（孔距≥6m，排距≥12m）；超过1200米区域则可采用常规爆破参数。

未来研究将重点解决三个技术难点：1）建立考虑岩体结构面影响的振动衰减修正模型；2）开发多源异构数据融合算法，整合地质雷达、微震监测和智能传感数据；3）构建考虑时间累积效应的损伤预测体系。通过引入迁移学习框架，可将现有模型在相似地质条件下的预测误差控制在7%以内，这标志着爆破振动预测技术进入智能化精准控制新阶段。

该研究成果已成功应用于矿区2023年9月19日的边坡加固爆破工程，通过实时调整装药参数，将振动速度控制在安全限值（0.15-0.45cm/s）内，成功保护了周边7栋历史建筑。监测数据显示，模型预测值与实测值的R2系数达到0.96以上，验证了工程适用性。研究建立的"地质条件-爆破参数-结构响应"三维关联模型，为同类矿区提供可复用的安全评估范式。