基于SVR的隧道掘进光面爆破效果预测模型

为了提高隧道掘进光面爆破效果预测准确性,构建了基于支持向量机回归(SVR)的光面爆破效果预测模型.选取炮眼密集系数、最小抵抗线、光爆孔线装药量、光爆孔眼深度和岩石单轴抗压强度共5个影响因素作为输入参数,选取半眼率和超欠挖量共2个爆破效果评价指标作为输出参数,分别利用遗传算法、粒子群算法、模拟退火算法对36组隧(巷)道爆破样本进行优化训练,对4组隧(巷)道爆破样本进行预测并与神经网络预测模型进行对比.结果表明,遗传算法优化效果较好.使用遗传算法的优化结果作为SVR预测模型最终参数,4组样本半眼率实测值与预测值相对误差分别为3.4％、6.1％、4.7％、6.2％,超欠挖量实测值与预测值相对误差分别为0、6.3％、4.0％、6.3％,优于神经网络预测模型,具有很好的准确性,能满足实际工程需要.