基于TPE-BP神经网络的爆破振速预测模型研究

爆破振动速度是爆破设计需要考虑的的重要因素之一，然而在爆破振动速度预测中，BP神经网络超参数的确定依赖经验公式且具有主观性。为克服这种局限性，并提高振动速度预测精度，采用超参数优化算法TPE对BP神经网络进行超参数优选。以最大段起爆炸药量、炮孔深度、水平距离、垂直距离和炸药单耗参数作为输入量，建立了隐含层数量神经元数量为31个的BP神经网络(TPE-BP)预测模型，该模型的爆破振动速度平均预测误差为2.35%,最大误差为6.29%,与基于经验公式确定超参数的BP神经网络模型和传统的BP神经网络模型相比较，平均预测误差分别降低了23.26个百分点和4.24个百分点，说明参数网络优化后TPE-BP预测模型能更好地拟合振动数据，其预测结果更接近真实值，可为爆破参数设计提供参考依据，从而有效地控制爆破振动。