岩体的爆破块度分布是定量评价爆破质量的重要指标之一。块度大小影响到矿山铲装、运输、破碎等后续生产工序的效率和采矿生产的总成本。因此,对岩体爆破块度分布进行深入的研究具有重大的实际意义。爆破破碎块度分布受很多不确定因素的影响,对于各影响因素与爆破破碎块度分布的关系,很难用简单的数学表达式来表示。解决工程爆破中的这种不确定问题,只依靠从实践从总结出来的经验理论和公式是远远不够的。 人工神经网络技术已有很长的历史,但近些年来进展非常迅速。该技术在很多领域都具有广阔的应用潜力,如预测预报、模式识别、自动控制等领域的智能模拟和信息处理。神经网络技术具有大规模并行处理、分布式存储、自适应性、容错性等显著优点,利用该技术可以有效地解决台阶爆破中各影响因素与爆破块度分布之间难以精确建模、具有高度非线性和各种不确定性的问题。 文中对申嘉湖高速公路H8标路堑开挖爆破中的实际数据进行分析研究,首先,利用灰关联分析方法找出岩石特征参数和爆破参数中,对爆破效果起主要作用的因素:炸药单耗、天然岩块的特征块度、孔距、底盘抵抗线、炮孔密集系数和爆破前均匀指数;然后,利用人工神经网络方法对这些主要影响因素进行分析,总结出这些主要影响因素同爆破块度分布之间隐存的规律,进而指导爆破块度分布进行预测,更确切地对爆破块度分布进行预测。结果表明:BP网络预测值和真实值之间的误差除了最大的只有0.47外,其它的误差都在0.2以内,这完全满足工程应用要求。 人工神经网络能够建立中深孔台阶爆破中爆破块度主要影响因素与爆破块度分布之间动态、非线性的映谢关系,且具有较好的容错性。只要从工程实际中所收集的学习样本具有代表性、精确性,再正确选取网络结构计算参数,利用人工神经网络对中深孔台阶爆破块度分布预测是一种可行,准确的研究方法。