基于神经网络的露天矿爆破参数优化研究

金属矿山 ›› 2011, Vol. 40 ›› Issue (03): 57-59.

基于神经网络的露天矿爆破参数优化研究

王创业，张飞天，韩万东

内蒙古科技大学

出版日期:2011-03-10 发布日期:2011-03-11
基金资助:
内蒙古科技大学创新基金项目（编号：2009NC050）

Optimization of the Open-pit Mine Blasting Parameters Based on Neural Network

Wang Chuangye，Zhang Feitian，Han Wandong

Inner Mongolian University of Science & Technology

Online:2011-03-10 Published:2011-03-11

摘要/Abstract

摘要： 马家塔露天矿爆破效果不理想，大块率较高、炸药单耗偏高、残留根底现象严重。为解决这些问题，基于BP神经网络建立了露天矿爆破参数优化模型。采用该矿的实际爆破参数作为样本数据对模型进行了训练，通过实例数据的检验证明该模型具有较高的预测精度。经过现场试验和模型仿真分析，采用优化后的爆破参数进行了爆破，取得了较好的效果：大块率控制在2%以下，炸药单耗由0.41 kg/m³降为0.37 kg/m³，每延米炮孔爆破量由17 m³/m增加至23 m³/m。

关键词: 爆破参数优化, 神经网络, 露天矿

Abstract: The blasting effect is not ideal in Majiata open-pit mine, such as higher rate of blocky ore, high explosives consumption, and abundant residuals.To solve these problems, an optimization model of the open-pit mine blasting parameters based on BP neural network is built.The actual blasting parameters are applied into the model as the sample data.The tests with practical data show that the model has higher prediction accuracy.With the on-site tests and model simulation analysis, a good blasting result is obtained by using the optimized parameters.Large block rate is controlled below 2%, explosives consumption reduced from 0.41 kg/m³ to 0.37 kg/m³, blasting volume of each hole increased from 17 m³/m to 23 m³/m.

Key words: Blasting parameters optimization, Neural network, Open-pit mine

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, 40(03): 57-59.

WANG Chuang-Ye, ZHANG Fei-Tian, HAN Wan-Dong. Optimization of the Open-pit Mine Blasting Parameters Based on Neural Network[J]. Metal Mine, 2011, 40(03): 57-59.

[1]	吴立活, Miguel Canz, Hermes Guevara, 李国清, 侯　杰, 张永芳. 海外大型露天矿山智能化建设体系与应用实践 ———以拉斯邦巴斯铜矿为例[J]. 金属矿山, 2025, 54(1): 207-.
[2]	李如仁, 李梦晨, 葛永权, 刘明霞. 融合多源因素回归和ARIMA-LSTM 的露天矿地表形变趋势分析[J]. 金属矿山, 2025, 54(1): 186-.
[3]	张继卫, 张　晶, 张　博. 基于Harris3D-FPFH-MC 的露天矿三维高精地图重建算法[J]. 金属矿山, 2024, 53(9): 214-.
[4]	赵一迪, 聂兴信, 谢怡霄, 赵林海, 李宗利, 陈星吉. 露天矿破碎站卸料口粉尘运移规律研究[J]. 金属矿山, 2024, 53(8): 235-.
[5]	承达瑜, 宿文松, 毛爱芹. 顾及邻域几何特性的露天矿台阶线提取方法[J]. 金属矿山, 2024, 53(7): 56-.
[6]	郑伦川, 梁新元, 袁乖宁. 基于集成神经网络和改进极限学习机的矿井移动机器人故障检测[J]. 金属矿山, 2024, 53(6): 159-.
[7]	曲福明, 王怀远, 柳小波, 岳星彤, 马意彭. 露天矿全流程智能开采架构与关键技术研究[J]. 金属矿山, 2024, 53(5): 134-.
[8]	黄　石, 陈钊宇, 曾　蕾. 基于轻量化图注意力机制的露天矿卡车调度优化算法[J]. 金属矿山, 2024, 53(4): 202-.
[9]	李　得, 李　翠, 刘　磊, 孙明志, 覃陆均. 深凹露天矿山挂帮矿安全回采工艺研究及实践[J]. 金属矿山, 2024, 53(4): 7-.
[10]	孟保威, 陈　曦. 改进Retinex-Net 的露天矿低质图像增强算法[J]. 金属矿山, 2024, 53(3): 221-.
[11]	周辰奥, 周科平, 张孝平, 徐继业, 李杰林, 张良兵. 面向数字孪生的大型露天金属矿生产调度仿真分析[J]. 金属矿山, 2024, 53(3): 190-.
[12]	李如仁, 葛永权, 李梦晨, 孙加瑶, 王彦平, 刘明霞. 基于InSAR-COMSOL 的露天矿边坡稳定性分析及形变预测[J]. 金属矿山, 2024, 53(3): 172-.
[13]	徐志华, 杨　旭, 孙钱程, 何钰铭, 张国栋, 叶义成. 基于多变量自优化动态神经网络的“ 阶跃型” 滑坡变形预测[J]. 金属矿山, 2024, 53(3): 74-.
[14]	姜　燕, 连　晗, 席东河. 地表沉陷预测的改进BP 神经网络模型[J]. 金属矿山, 2024, 53(2): 205-.
[15]	聂雅琳, 王海军, 石念峰, 刘保罗. 融合深度卷积神经网络和Swin Transformer 的露天矿遥感图像超分辨率重建[J]. 金属矿山, 2024, 53(12): 240-.

扫码分享