微精选

J. Intell. Constr. ：一种适用于复杂场地爆破振动速度预测的模型：基于蚱蜢优化算法的人工神经网络

A model adapted to predict blast vibration velocity at complex sites: An artificial neural network improved by the grasshopper optimization algorithm

一种适用于复杂场地爆破振动速度预测的模型：基于蚱蜢优化算法的人工神经网络

出版年份：2026年

来源：Journal of Intelligent Construction

第一作者：三峡大学湖北省水电工程建设与管理重点实验室 范勇 教授

课题组：三峡大学湖北省水电工程建设与管理重点实验室 杨广栋 副教授

复杂场地；爆破振动速度；人工神经网络；元启发式优化算法；GOA-ANN模型

随着爆破技术发展及其经济优势显现，爆破广泛应用于岩体破碎、采矿等领域。然而，炸药爆炸产生的能量中，仅约20%~30%被有效利用，剩余70%~80%被浪费，并造成爆破振动、飞石和空气冲击波等负面影响。其中，爆破振动可能破坏周边建筑、地下洞室及边坡稳定，导致经济损失，是工程师关注的重点。因此，必须将爆破振动控制在安全范围内。

PPV是评估爆破振动对结构破坏的重要指标。准确预测PPV意义重大：一方面，可依据预测结果优化爆破设计，减少振动不利影响；另一方面，可确保安全前提下实现最大生产效率。影响爆破振动的因素可分为可控与不可控两类。装药量、炮孔直径和堵塞长度为可控因素，岩体性质为不可控因素。为准确预测PPV，研究者提出多种经验公式，但它们通常只考虑两个主要因素：Q和r，忽略其他因素影响。在多因素作用下，简化模型会导致预测误差增大。为提高预测精度，研究者提出了一系列修正公式。由于经验公式考虑因素较少，适用范围通常局限于单一场地。在实际工程中，爆破振动速度的影响系数会因地质环境变化而不同，例如高程变化会放大振动效应。爆破振动速度与影响因素间存在复杂非线性关系，这种关系难以通过经验公式准确描述，导致预测结果可靠性不足。因此，亟需提出新的预测方法。

近年来，智能预测方法在解决非线性问题上展现出明显优势。该方法可引入更多影响因素作为输入，使预测结果更接近实测值。ANN因具有良好非线性映射能力，广泛应用于PPV预测。然而，ANN预测结果受初始权重与阈值影响较大，随机初始化会导致结果不稳定、精度下降。使用元启发式优化算法优化网络权重与阈值，是一种有效解决方案。

现有研究多关注爆破设计参数对PPV的影响，而对复杂场地条件下岩体质量和地形差异考虑不足。高性能ANN模型还需确定最佳网络结构，包括隐藏层设置、神经元数量、激活函数类型与学习算法选择。

本文基于白鹤滩水电站爆破开挖过程中采集的振动数据，综合考虑岩体结构与地形多样性影响，引入反映岩体质量的Cp作为影响因素，将10种元启发式优化算法与ANN结合进行PPV预测，最终基于评估指标选取预测精度最高的GOA-ANN模型。

图1 三层BP神经网络的拓扑结构

图2 预测模型框架

图3 白鹤滩水电站工程概况

图4 起爆网络示意

图5 预裂孔装药结构

图6 现场监测点布置及振动波形示意

图7 坝肩槽爆位置示意

图8 声波测孔布置方案示意

图9 岩体声波检测示意

图10 声波速度波形

图11 数据散点矩阵图

图12 经验公式拟合结果

图13 不同公式预测结果

图14 智能预测模型结果

图15 不同算法适应度曲线对比

图16 不同算法训练运行时间

图17 预测PPV与实测值对比

图18 预测值与实测值PPV误差百分比

图19 输入参数与输出参数关系强度

本文基于白鹤滩水电站左岸坝肩槽爆破开挖过程中采集的110组振动数据。结合工程现场条件与爆破参数，选取Q、r、H及Cp作为预测PPV的主要影响因素。为提高模型适用性，采用10种元启发式优化算法对ANN进行优化。主要结论如下：

（1）综合评估结果表明，GOA能更有效地优化ANN的权重与阈值，提高预测精度。模型预测结果的R²为0.978，RMSE为0.240，MAE为0.198。

（2）在复杂场地条件下，经验公式预测效果较差；而智能预测方法在处理复杂非线性关系方面表现优越，并能根据现场条件变化，将不同影响因素作为输入参数实现更精确的PPV预测。

（3）与标准ANN模型相比，GOA-ANN模型预测精度更高，泛化能力更强，可为PPV预测提供更准确的结果。

（4）敏感性分析表明，复杂场地中岩体性质对PPV影响显著，不容忽视。

研究成果可为实际工程提供有益参考。

翻译：

王振麟         硕士生          黑龙江大学

校核：

徐敏杰         硕士生          吉林建筑大学

排版：

王晓雨         硕士生          湖北工业大学