摘 "要：該文以茶山支洞鉆爆法施工某段工程項(xiàng)目為依托，研究基于在線監(jiān)測(cè)技術(shù)的隧洞爆破施工優(yōu)化方法。鑒于爆破施工在基建中廣泛應(yīng)用但面臨安全、效率與環(huán)境挑戰(zhàn)，提出一種集成多傳感器的實(shí)時(shí)監(jiān)測(cè)系統(tǒng)，通過(guò)捕獲振動(dòng)、掌子面圖像、沖擊波范圍和飛石距離等爆破關(guān)鍵參數(shù)，并融合隧洞地質(zhì)信息，利用GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)爆破效果。基于預(yù)測(cè)結(jié)果與設(shè)計(jì)規(guī)范，精準(zhǔn)調(diào)參，全面優(yōu)化爆破方案，以確保施工安全與效率。

關(guān)鍵詞：在線監(jiān)測(cè)；爆破施工；優(yōu)化方法；多傳感器集成；GA-BP神經(jīng)網(wǎng)絡(luò)模型

中圖分類號(hào)：TV554.1 " " "文獻(xiàn)標(biāo)志碼：A " " " " "文章編號(hào)：2095-2945（2025）10-0146-04

Abstract： Based on a certain engineering project constructed by the drilling and blasting method in Chashan Cave， this paper studies an optimization method for tunnel blasting construction based on online monitoring technology. In view of the widespread use of blasting construction in infrastructure construction but facing safety， efficiency and environmental challenges， a real-time monitoring system integrating multiple sensors is proposed to capture key blasting parameters such as vibration， face image， shock wave range， and flying rock distance， and fuse tunnel geological information and use GA-BP neural network to predict blasting effects. Based on the prediction results and design specifications， the parameters are accurately adjusted and the blasting plan is comprehensively optimized to ensure construction safety and efficiency.

Keywords： online monitoring; blasting construction; optimization method; multi-sensor integration; GA-BP neural network model

科技進(jìn)步促進(jìn)了在線監(jiān)測(cè)技術(shù)在爆破施工領(lǐng)域的應(yīng)用，該技術(shù)如同施工現(xiàn)場(chǎng)的“智能守護(hù)者”。依托傳感器與數(shù)據(jù)采集系統(tǒng)，可實(shí)時(shí)捕捉爆破過(guò)程中的振動(dòng)強(qiáng)度、噪音水平及有害氣體濃度等關(guān)鍵數(shù)據(jù)，為施工團(tuán)隊(duì)提供即時(shí)、精確的反饋。其爆破效果不僅可促進(jìn)爆破方案的精細(xì)化調(diào)整，還可顯著降低對(duì)周邊環(huán)境的潛在損害[1]。近年來(lái)，爆破設(shè)計(jì)優(yōu)化領(lǐng)域取得了顯著進(jìn)展，其中深度學(xué)習(xí)、地質(zhì)信息分析等創(chuàng)新方法備受矚目。Monjezi、Sadollah等[2-3]運(yùn)用神經(jīng)網(wǎng)絡(luò)深入探索了爆破參數(shù)與圍巖條件的復(fù)雜影響，推動(dòng)了參數(shù)優(yōu)化與效果預(yù)測(cè)的顯著進(jìn)步；同時(shí)，王新民等[4]構(gòu)建了高效的BP神經(jīng)網(wǎng)絡(luò)模型，該模型針對(duì)復(fù)雜圍巖條件，可精準(zhǔn)篩選出優(yōu)化爆破效果的最佳組合參數(shù)；李國(guó)明[5]則應(yīng)用BP神經(jīng)網(wǎng)絡(luò)模型分析礦區(qū)巖石的可爆性，有效降低了爆破中的大塊率，并減少了單耗問(wèn)題。

然而，當(dāng)前爆破設(shè)計(jì)優(yōu)化的研究多聚焦于單一工程案例，缺乏廣泛適用于類似隧道工程的通用策略。隧道開(kāi)挖面臨圍巖條件多變、施工環(huán)境復(fù)雜的挑戰(zhàn)，傳統(tǒng)方法難以實(shí)時(shí)響應(yīng)并動(dòng)態(tài)調(diào)整爆破方案，制約了掘進(jìn)效率與爆破效果。鑒于此，本文創(chuàng)新性地將在線監(jiān)測(cè)技術(shù)融入隧洞爆破施工優(yōu)化流程，通過(guò)實(shí)時(shí)監(jiān)測(cè)施工過(guò)程中的關(guān)鍵參數(shù)，并結(jié)合GA-BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行爆破效果的前瞻預(yù)測(cè)。此策略不僅提升了預(yù)測(cè)精度，還為實(shí)現(xiàn)爆破施工方案的即時(shí)優(yōu)化提供了科學(xué)依據(jù)，有效增強(qiáng)了隧道掘進(jìn)作業(yè)的安全性與效率。

1 "工程概況

爆破施工，作為高效破碎巖石的核心技術(shù)，在礦山開(kāi)采、隧道建設(shè)、建筑拆除等領(lǐng)域扮演著至關(guān)重要的角色。尤其在面對(duì)復(fù)雜多變的隧洞工程，如茶山支洞項(xiàng)目——云開(kāi)山隧洞體系的關(guān)鍵組成部分，其優(yōu)化爆破施工方案成為確保施工安全、質(zhì)量與經(jīng)濟(jì)性的關(guān)鍵。茶山支洞，以城門洞形斷面設(shè)計(jì)，全長(zhǎng)2 415.66 m，面臨陡峭縱坡與大規(guī)模石方開(kāi)挖（達(dá)12.97萬(wàn)m3）的挑戰(zhàn)，對(duì)爆破技術(shù)的精確性提出了更高要求。

針對(duì)傳統(tǒng)鉆爆法常遇的炮孔效能低下、大塊石料頻發(fā)及超欠挖等問(wèn)題，本文深入茶山支洞爆破開(kāi)挖實(shí)踐，旨在引入并驗(yàn)證一種基于在線監(jiān)測(cè)技術(shù)的優(yōu)化策略。該策略通過(guò)集成先進(jìn)的多傳感器系統(tǒng)，實(shí)時(shí)捕捉爆破過(guò)程中的關(guān)鍵數(shù)據(jù)，如振動(dòng)強(qiáng)度、沖擊波范圍、掌子面爆破后效果等，結(jié)合隧洞特有的地質(zhì)條件，運(yùn)用GA-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行前瞻性預(yù)測(cè)與動(dòng)態(tài)調(diào)整爆破參數(shù)。此舉旨在以最少的資源投入與最短的施工周期，實(shí)現(xiàn)最佳的爆破效果與經(jīng)濟(jì)效益，不僅為茶山支洞項(xiàng)目保駕護(hù)航，更為同類隧道工程提供了創(chuàng)新思路與實(shí)踐范例。

2 "在線監(jiān)測(cè)技術(shù)在爆破施工中的應(yīng)用

在爆破施工中，在線監(jiān)測(cè)技術(shù)可以通過(guò)監(jiān)測(cè)設(shè)備（圖1）實(shí)時(shí)監(jiān)測(cè)爆破過(guò)程中的振動(dòng)、爆破后掌子面圖像、飛石距離等參數(shù)，從而實(shí)現(xiàn)對(duì)爆破施工的實(shí)時(shí)控制和優(yōu)化[6-7]。以下是幾種常見(jiàn)在線監(jiān)測(cè)技術(shù)在隧洞爆破施工中的應(yīng)用。

圖1 "隧洞監(jiān)測(cè)設(shè)備

2.1 "振動(dòng)監(jiān)測(cè)

通過(guò)安裝高精度振動(dòng)傳感器，系統(tǒng)能夠?qū)崟r(shí)采集監(jiān)測(cè)爆破產(chǎn)生的振動(dòng)波，進(jìn)而評(píng)估振動(dòng)對(duì)周圍巖體及既有結(jié)構(gòu)物的潛在影響?；谡駝?dòng)監(jiān)測(cè)結(jié)果，施工人員可以及時(shí)調(diào)整爆破參數(shù)，如裝藥量、起爆順序等，以減少振動(dòng)危害，保護(hù)周邊環(huán)境的穩(wěn)定性。

2.2 "掌子面圖像監(jiān)測(cè)

利用高清攝像頭和圖像處理技術(shù)，在線監(jiān)測(cè)系統(tǒng)能夠?qū)崟r(shí)捕捉爆破后掌子面的圖像。通過(guò)對(duì)這些圖像的分析，施工團(tuán)隊(duì)可以快速識(shí)別出大塊石料、超欠挖區(qū)域等，為后續(xù)清理與支護(hù)工作提供直觀依據(jù)。同時(shí)，圖像監(jiān)測(cè)亦對(duì)爆破效果進(jìn)行評(píng)估，進(jìn)一步優(yōu)化爆破設(shè)計(jì)參數(shù)，提高施工質(zhì)量。

2.3 "飛石監(jiān)測(cè)

飛石是爆破施工中常見(jiàn)的安全隱患之一。通過(guò)在爆破區(qū)域周邊設(shè)置攝像頭、激光測(cè)距儀或雷達(dá)探測(cè)器等，系統(tǒng)能夠?qū)崟r(shí)監(jiān)測(cè)飛石的運(yùn)動(dòng)軌跡和最大飛行距離，進(jìn)而確定安全的警戒范圍、保護(hù)施工人員和設(shè)備安全。根據(jù)飛石監(jiān)測(cè)結(jié)果，施工人員可以調(diào)整爆破參數(shù)及防護(hù)措施，如調(diào)整起爆點(diǎn)位置、增設(shè)防護(hù)網(wǎng)等，以確保爆破作業(yè)的安全進(jìn)行。

3 "在線監(jiān)測(cè)系統(tǒng)與爆破施工優(yōu)化的融合機(jī)制

隨著工程技術(shù)的快速發(fā)展，在線監(jiān)測(cè)系統(tǒng)已成為爆破施工領(lǐng)域不可或缺的工具，它通過(guò)實(shí)時(shí)監(jiān)測(cè)、智能分析與遠(yuǎn)程控制等手段，顯著提升了爆破施工的安全性、效率與精度。本節(jié)針對(duì)在線監(jiān)測(cè)系統(tǒng)與爆破施工優(yōu)化的深度融合機(jī)制，圍繞實(shí)時(shí)數(shù)據(jù)采集、數(shù)據(jù)智能分析、動(dòng)態(tài)爆破參數(shù)調(diào)整、反饋與優(yōu)化循環(huán)和遠(yuǎn)程監(jiān)控與決策支持等環(huán)節(jié)進(jìn)行簡(jiǎn)單闡述。

3.1 "實(shí)時(shí)數(shù)據(jù)采集

在線監(jiān)測(cè)系統(tǒng)部署于隧道掘進(jìn)現(xiàn)場(chǎng)，通過(guò)高精度傳感器網(wǎng)絡(luò)實(shí)時(shí)監(jiān)測(cè)圍巖的物理力學(xué)參數(shù)（如應(yīng)力狀態(tài)、巖石強(qiáng)度、節(jié)理裂隙分布等）、爆破前后的地質(zhì)變化以及爆破效果參數(shù)（如振動(dòng)速度、飛石距離、爆堆形態(tài)等）。

3.2 "智能數(shù)據(jù)分析

收集的數(shù)據(jù)通過(guò)云計(jì)算平臺(tái)或邊緣計(jì)算設(shè)備進(jìn)行實(shí)時(shí)處理與分析。采用機(jī)器學(xué)習(xí)算法（GA-BP神經(jīng)網(wǎng)絡(luò)模型）和大數(shù)據(jù)分析技術(shù)，識(shí)別圍巖條件的動(dòng)態(tài)變化，評(píng)估當(dāng)前爆破方案的有效性。同時(shí)，系統(tǒng)能夠自動(dòng)識(shí)別并標(biāo)記出炮孔利用率低、大塊率高、超欠挖嚴(yán)重等問(wèn)題的具體區(qū)域和原因。

3.3 "動(dòng)態(tài)爆破參數(shù)調(diào)整

基于數(shù)據(jù)分析結(jié)果，系統(tǒng)自動(dòng)或輔助工程師對(duì)爆破參數(shù)進(jìn)行即時(shí)調(diào)整。這些參數(shù)包括但不限于炮孔直徑、炮孔間距、裝藥結(jié)構(gòu)、起爆順序及時(shí)間間隔等。通過(guò)模擬計(jì)算與驗(yàn)證，選擇最優(yōu)的爆破方案，以減少不良爆破，提高施工效率。

3.4 "反饋與優(yōu)化循環(huán)

每次爆破后，系統(tǒng)收集新的數(shù)據(jù)并再次進(jìn)行分析，與預(yù)期對(duì)比，形成反饋循環(huán)。

3.5 "遠(yuǎn)程監(jiān)控與決策支持

通過(guò)遠(yuǎn)程監(jiān)控界面，項(xiàng)目管理人員可以實(shí)時(shí)查看隧道內(nèi)的施工情況、爆破效果及參數(shù)調(diào)整情況，便于及時(shí)做出決策。系統(tǒng)還能提供數(shù)據(jù)報(bào)表和歷史記錄，為項(xiàng)目復(fù)盤、經(jīng)驗(yàn)總結(jié)及后續(xù)工程提供參考。

4 "爆破施工參數(shù)優(yōu)化方法與原理研究

爆破效果受3大關(guān)鍵因素制約：工程地質(zhì)條件（如圍巖強(qiáng)度、節(jié)理裂隙）、爆破作業(yè)參數(shù)（炮孔間距、排布、炸藥量）及炸藥種類。鑒于地質(zhì)條件恒定，優(yōu)化爆破參數(shù)成為提效關(guān)鍵。面對(duì)復(fù)雜的非線性關(guān)系，直接建模困難，BP神經(jīng)網(wǎng)絡(luò)因其處理非線性問(wèn)題的優(yōu)勢(shì)備受關(guān)注[8]。本文探索BP神經(jīng)網(wǎng)絡(luò)在爆破參數(shù)優(yōu)化中的應(yīng)用，通過(guò)其學(xué)習(xí)與預(yù)測(cè)能力，在有限數(shù)據(jù)下實(shí)現(xiàn)爆破方案的精準(zhǔn)設(shè)計(jì)，突破傳統(tǒng)優(yōu)化局限，引領(lǐng)高效、安全、經(jīng)濟(jì)的爆破作業(yè)新方向。

4.1 "BP神經(jīng)網(wǎng)絡(luò)原理

應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模擬計(jì)算涉及兩大核心階段[9]：訓(xùn)練（學(xué)習(xí)）階段與驗(yàn)證（檢驗(yàn)）階段。訓(xùn)練階段聚焦于通過(guò)龐大的數(shù)據(jù)集對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行精細(xì)的調(diào)優(yōu)與強(qiáng)化，確保其能夠捕捉到數(shù)據(jù)間的內(nèi)在規(guī)律；而驗(yàn)證階段則是利用這一訓(xùn)練成熟的模型，針對(duì)具體問(wèn)題進(jìn)行預(yù)測(cè)或求解。

BP神經(jīng)網(wǎng)絡(luò)，其根基植根于梯度下降法的精髓，遵循誤差反向傳播的原則進(jìn)行多層前饋網(wǎng)絡(luò)的學(xué)習(xí)與調(diào)整。理論上，一個(gè)配備有足夠數(shù)量隱層神經(jīng)元的三層BP網(wǎng)絡(luò)，足以展現(xiàn)出模擬任意復(fù)雜函數(shù)關(guān)系的強(qiáng)大能力。作為一種監(jiān)督式深度學(xué)習(xí)模型，BP神經(jīng)網(wǎng)絡(luò)在診斷問(wèn)題、精準(zhǔn)預(yù)測(cè)及綜合評(píng)價(jià)等多個(gè)領(lǐng)域均展現(xiàn)出極高的應(yīng)用價(jià)值，是探索數(shù)據(jù)內(nèi)在規(guī)律、實(shí)現(xiàn)智能決策的強(qiáng)大工具。

BP神經(jīng)網(wǎng)絡(luò)架構(gòu)為3層（圖2）：輸入層、隱含層與輸出層，各層間通過(guò)密集的神經(jīng)元連接實(shí)現(xiàn)信息的無(wú)縫傳遞；而同一層級(jí)內(nèi)的神經(jīng)元之間則保持獨(dú)立，不存在直接連接，這種設(shè)計(jì)確保了信息的分層處理與特異性傳遞。

圖2 "BP神經(jīng)網(wǎng)絡(luò)模型圖

1）輸入層：作為神經(jīng)網(wǎng)絡(luò)的起始點(diǎn)，負(fù)責(zé)接收外界輸入的具體變量。其變量數(shù)量依據(jù)具體研究問(wèn)題的復(fù)雜性和需求而靈活設(shè)定。

2）隱含層：作為神經(jīng)網(wǎng)絡(luò)的核心處理層，隱含層承載著輸入變量間復(fù)雜交互作用的模擬任務(wù)。該層運(yùn)用非線性轉(zhuǎn)換函數(shù)，對(duì)輸入信號(hào)進(jìn)行變換與融合，以捕捉數(shù)據(jù)中的隱含規(guī)律。隱含層神經(jīng)元的數(shù)量，通常依據(jù)Kolmogorov定理（如n=2X+1）或基于經(jīng)驗(yàn)公式的估算來(lái)設(shè)定。

3）輸出層：作為神經(jīng)網(wǎng)絡(luò)的輸出端，負(fù)責(zé)將處理后的信息以特定形式展現(xiàn)出來(lái)。輸出變量的數(shù)量同樣根據(jù)具體問(wèn)題的分析需求來(lái)確定，可能與輸入層保持一致，也可能根據(jù)目標(biāo)任務(wù)的不同而有所變化。

BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程如圖3所示。

4.2 "遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)在爆破參數(shù)優(yōu)化中雖擅長(zhǎng)非線性映射，但收斂慢且易陷局部最優(yōu)。為改善此狀況，引入遺傳算法優(yōu)化其權(quán)值與閾值。遺傳算法通過(guò)進(jìn)化機(jī)制初始化BP網(wǎng)絡(luò)參數(shù)，個(gè)體代表權(quán)閾配置，其適應(yīng)度基于預(yù)測(cè)誤差評(píng)估，從而提升全局搜索效率與準(zhǔn)確性。隨后，通過(guò)選擇操作保留優(yōu)秀個(gè)體，交叉操作促進(jìn)基因交流，以及變異操作引入新的多樣性，遺傳算法能夠不斷迭代進(jìn)化，最終搜尋到最優(yōu)的權(quán)值和閾值組合。該過(guò)程不僅加速了BP神經(jīng)網(wǎng)絡(luò)的收斂速度，還有助于其跳出局部極小值，實(shí)現(xiàn)更加快速且精確的預(yù)測(cè)性能。

與其他的優(yōu)化算法相比較，遺傳算法的特點(diǎn)如下：

1）遺傳算法的一大顯著特色在于其搜索起點(diǎn)并非單一解，而是從解的集合（串集）出發(fā)，這一特點(diǎn)顯著區(qū)別于傳統(tǒng)優(yōu)化算法。傳統(tǒng)方法往往受限于單一初始點(diǎn)，易于陷入局部最優(yōu)的陷阱。相比之下，遺傳算法通過(guò)廣泛覆蓋解的搜索空間，為全局最優(yōu)解的搜索提供了更大的可能性和靈活性。

2）遺傳算法在搜索過(guò)程中，僅依賴適應(yīng)度函數(shù)評(píng)估個(gè)體的優(yōu)劣，無(wú)需傳統(tǒng)算法對(duì)函數(shù)的連續(xù)性和可微性要求，適應(yīng)度定義靈活，從而廣泛適用于復(fù)雜優(yōu)化問(wèn)題。

3）在搜索策略上，摒棄傳統(tǒng)優(yōu)化算法的確定性搜索路徑，采用概率性變遷規(guī)則來(lái)增加搜索的靈活性，在復(fù)雜問(wèn)題中探索更多潛在的優(yōu)秀解，提升優(yōu)化成效。

5 "爆破參數(shù)的優(yōu)化與結(jié)果

前文探討了神經(jīng)網(wǎng)絡(luò)在爆破優(yōu)化中的應(yīng)用，現(xiàn)引入GA-BP模型以精準(zhǔn)預(yù)測(cè)爆破效果。該模型預(yù)測(cè)結(jié)果結(jié)合工程需求與規(guī)范，科學(xué)調(diào)整爆破設(shè)計(jì)關(guān)鍵參數(shù)。在預(yù)測(cè)爆破效果時(shí)，選用融合遺傳算法優(yōu)化的3層BP神經(jīng)網(wǎng)絡(luò)模型?；趯?duì)爆破參數(shù)優(yōu)化需求分析，確定輸入層的6個(gè)神經(jīng)元，分別代表隧道開(kāi)挖工程中至關(guān)重要的圍巖條件參數(shù)——圍巖單軸抗壓強(qiáng)度（MPa）與巖石密度（kg/m3），以及爆破設(shè)計(jì)中的核心參數(shù)——總裝藥量（kg）、最小抵抗線（cm）、掏槽孔排距（cm）與周邊孔孔距（cm）。隨后，根據(jù)理論計(jì)算與經(jīng)驗(yàn)法則，設(shè)定了隱含層包含13個(gè)神經(jīng)元，以充分捕捉并處理輸入數(shù)據(jù)間的復(fù)雜關(guān)系。

對(duì)于輸出層，選取3個(gè)神經(jīng)元，直接對(duì)應(yīng)著評(píng)價(jià)隧洞開(kāi)挖爆破質(zhì)量與效果的關(guān)鍵指標(biāo)：最大線性超挖（cm）、最大線性欠挖（cm）及最大塊石直徑（cm）。這些輸出值不僅直觀反映了爆破作業(yè)的技術(shù)性能，還為后續(xù)設(shè)計(jì)參數(shù)的優(yōu)化調(diào)整提供了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。

本文基于茶山支洞工程現(xiàn)場(chǎng)采集的205組數(shù)據(jù)進(jìn)行研究，數(shù)據(jù)涵蓋了上下臺(tái)階法及全斷面施工方式的爆破效果測(cè)量，其中采用前200組數(shù)據(jù)訓(xùn)練GA-BP神經(jīng)網(wǎng)絡(luò)，剩余5組驗(yàn)證其效能。在模型訓(xùn)練階段，對(duì)樣本數(shù)據(jù)進(jìn)行歸一化處理，以提升模型的學(xué)習(xí)效率和預(yù)測(cè)準(zhǔn)確性。通過(guò)對(duì)比得到歸一化后模型的預(yù)測(cè)結(jié)果與實(shí)際測(cè)量數(shù)據(jù)如圖4所示，經(jīng)過(guò)簡(jiǎn)單換算該GA-BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)誤差均控制在15%以內(nèi)，最大誤差僅為12.2%，符合工程實(shí)踐要求。因此，研究證實(shí)，GA-BP神經(jīng)網(wǎng)絡(luò)在隧道爆破效果預(yù)測(cè)中有效可行，為爆破參數(shù)設(shè)計(jì)與效果評(píng)估的推廣應(yīng)用提供了堅(jiān)實(shí)基礎(chǔ)。

圖4 "預(yù)測(cè)與實(shí)際值對(duì)比圖

遵循隧道開(kāi)挖的嚴(yán)格規(guī)范，即最大允許超挖值不得超過(guò)25 cm，將此作為關(guān)鍵約束條件。在此基礎(chǔ)上，利用GA-BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果，對(duì)爆破設(shè)計(jì)的各項(xiàng)參數(shù)進(jìn)行細(xì)致調(diào)整與優(yōu)化，確保最終的爆破效果能夠符合并滿足這一限制要求。這一過(guò)程通過(guò)不斷迭代與校驗(yàn)，直至所有參數(shù)調(diào)整至符合規(guī)范的合理范圍。

6 "結(jié)束語(yǔ)

在茶山支洞鉆爆法施工項(xiàng)目的背景下，本文深入研究了基于在線監(jiān)測(cè)技術(shù)的爆破施工優(yōu)化方法。對(duì)BP神經(jīng)網(wǎng)絡(luò)與遺傳算法的基本原理進(jìn)行闡述，并將其應(yīng)用于爆破參數(shù)的優(yōu)化。本文依托茶山支洞的實(shí)際開(kāi)挖數(shù)據(jù)，對(duì)GA-BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行相關(guān)訓(xùn)練與驗(yàn)證，通過(guò)對(duì)比分析預(yù)測(cè)數(shù)據(jù)與實(shí)際數(shù)據(jù)，證實(shí)了該模型在爆破效果預(yù)測(cè)方面的準(zhǔn)確性和可靠性。進(jìn)而，結(jié)合工程實(shí)際需求與施工規(guī)范，對(duì)爆破設(shè)計(jì)參數(shù)進(jìn)行了科學(xué)調(diào)整，實(shí)現(xiàn)了爆破參數(shù)的優(yōu)化目標(biāo)。本研究不僅提升了爆破施工的效率與安全性，也為類似工程項(xiàng)目提供了寶貴的參考與借鑒。

參考文獻(xiàn)：

[1] 閆大洋.露天礦臺(tái)階預(yù)裂爆破參數(shù)優(yōu)化的研究與應(yīng)用[D].淮南：安徽理工大學(xué)，2014.

[2] MONJEZI M，KHOSHALAN H A， VARJANI A Y. Optimization of Open pit Blast Parameters using Genetic Algorithm[J].International Journal of Rock Mechanics amp; Mining Sciences，2011，48（5）：864-869.

[3] SADOLLAH A， BAHREININEJAD A， ESKANDAR H ，et al.Mine blast algorithm： A new population based algorithm for solving constrained engineering optimization problems[J].Applied Soft Computing Journal，2013，13（5）：2592-2612.

[4] 王新民，趙彬，王賢來(lái)，等.基于BP神經(jīng)網(wǎng)絡(luò)的鑿巖爆破參數(shù)優(yōu)選[J].中南大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，40（5）：1411-1416.

[5] 李國(guó)明.扎哈淖爾露天煤礦巖層爆破參數(shù)優(yōu)化研究[D].包頭：內(nèi)蒙古科技大學(xué)，2015.

[6] 趙凱.隧道工程自動(dòng)化監(jiān)測(cè)及變形預(yù)測(cè)研究[D].昆明：昆明理工大學(xué)，2021.

[7] 肖清華，袁浩，夏金選，等.基于3D激光感知的隧道爆破參數(shù)優(yōu)化設(shè)計(jì)方法[J].隧道建設(shè)（中英文），2024，44（S1）：8-15.

[8] 耿偉衛(wèi).隧道鉆爆開(kāi)挖爆破方案智能設(shè)計(jì)方法與系統(tǒng)研究[D].濟(jì)南：山東大學(xué)，2021.

[9] 甘海龍.基于PCA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)水工隧洞爆破效果[J].紅水河，2023，42（3）：119-123，138.