基于贝叶斯的高边坡爆破振动速度预测方法

《Scientific Reports》：Prediction method of blasting vibration velocity of high slope based on bayes

　　

摘要

准确预测爆破振动速度并有效控制由振动引起的危害仍是爆破工程中的关键挑战。本研究利用盘南2×660兆瓦低热值煤炭综合利用发电项目中高坡度爆破工程的监测数据，基于经典的Sadovsky公式开发了一种贝叶斯动态更新模型，用于预测峰值颗粒速度（PPV）。与传统具有固定参数和有限数据集的静态回归方法不同，所提出的方法将模型参数K和α视为随机变量，并随着新监测数据的出现通过贝叶斯推断框架更新它们的后验分布。这使得模型能够持续适应复杂的地质条件，包括节理、断层、风化带和地形变化，以及装药配置和波传播特性的变化。结果表明，随着爆破数据的积累，参数的后验分布逐渐收敛，显著提高了模型的准确性和鲁棒性。在更新过程中，决定系数（R2）从0.31增加到0.98，而均方根误差（RMSE）从3.38减少到1.18。使用后续监测数据进行独立验证进一步证实了模型的稳定性和泛化能力，其决定系数（R2）为0.97，均方根误差（RMSE）为0.5。相比之下，传统的Sadovsky回归模型的性能明显较低，其决定系数（R2）为-0.04，均方根误差（RMSE）为3.24。研究结果表明，所提出的贝叶斯框架能够有效整合新观测数据，持续优化模型参数，并显著提高预测的准确性和可靠性。该方法为复杂地质环境中的爆破振动预测和安全控制提供了一种鲁棒且适应性强的工具，在实时工程应用中具有巨大潜力。