基于灰狼算法改进随机森林算法的爆破振动速度预测研究

为改善露天矿爆破作业过程中的峰值质点速度在采用传统经验公式和单一仿生算法时预测精度不够的问题，引入灰狼算法(GWO)优化了随机森林算法(RF)中决策树的棵数和层数2个超参数，成功构建了基于灰狼算法改进的GWO-RF爆破振动速度预测模型。结合某爆破工程69组爆破监测数据，以爆心距、最大段药量、总装药量、微差时间、炮孔数、孔距、孔深及排距为输入参数，运用GWO-RF预测模型和RF模型进行爆破振动峰值速度预测对比。结果表明：GWO-RF组合算法能够考虑更多符合实际的爆破振动速度影响因素，GWO-RF组合算法误差率比RF算法提高了37.83百分点；GWO-RF组合算法的爆破振动速度预测精度达到97.72%。说明GWO成功优化了RF中决策树的2个超参数，也证明GWO-RF组合算法能很好进行露天矿爆破振动速度预测。