露天煤礦拋擲爆破有效拋擲率預(yù)測(cè)

劉 干 李克民 肖雙雙 馬 力

(1.中國(guó)礦業(yè)大學(xué)礦業(yè)工程學(xué)院，江蘇 徐州 221116;2.煤炭資源與安全開(kāi)采國(guó)家重點(diǎn)實(shí)驗(yàn)室，江蘇 徐州 221116)

露天煤礦拋擲爆破有效拋擲率預(yù)測(cè)

劉 干1,2李克民1,2肖雙雙1,2馬 力1,2

(1.中國(guó)礦業(yè)大學(xué)礦業(yè)工程學(xué)院，江蘇 徐州 221116;2.煤炭資源與安全開(kāi)采國(guó)家重點(diǎn)實(shí)驗(yàn)室，江蘇 徐州 221116)

有效拋擲率是評(píng)價(jià)拋擲爆破效果最重要的指標(biāo)之一，預(yù)測(cè)有效拋擲率可以指導(dǎo)露天煤礦準(zhǔn)確制定生產(chǎn)計(jì)劃。在分析了拋擲爆破有效拋擲率影響因素的基礎(chǔ)上，選取拋擲爆破臺(tái)階高度、炸藥單耗、底盤抵抗線、孔距、排距、煤層厚度等6個(gè)指標(biāo)作為廣義回歸神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)輸入，以有效拋擲率為網(wǎng)絡(luò)的輸出，建立了有效拋擲率預(yù)測(cè)模型，并通過(guò)MATLAB編程來(lái)實(shí)現(xiàn)了網(wǎng)絡(luò)的訓(xùn)練和預(yù)測(cè)。實(shí)例結(jié)果表明：廣義回歸神經(jīng)網(wǎng)絡(luò)能夠較準(zhǔn)確地預(yù)測(cè)有效拋擲率，預(yù)測(cè)誤差一般在5%左右，預(yù)測(cè)結(jié)果能夠滿足工程要求。

拋擲爆破 有效拋擲率 可靠性 廣義回歸神經(jīng)網(wǎng)絡(luò)

露天煤礦使用拋擲爆破剝離技術(shù)可以將30%～65%的剝離物直接拋擲到采空區(qū)，無(wú)需再進(jìn)行采、運(yùn)、排作業(yè)，使剝離成本降低30%以上[1-2]。拋擲爆破技術(shù)與拉斗鏟倒堆工藝結(jié)合使用可大幅提升露天煤礦的生產(chǎn)能力，進(jìn)一步降低剝離費(fèi)用[3-4]。有效拋擲率是評(píng)價(jià)拋擲爆破效果最重要的指標(biāo)之一，文獻(xiàn)[5]以MIV值為評(píng)價(jià)依據(jù)，研究了拋擲爆破臺(tái)階高度、采寬、平均炸藥單耗、煤層厚度、最小抵抗線、孔距、排距等參數(shù)對(duì)拋擲距離、有效拋擲率和松散系數(shù)的影響權(quán)重；文獻(xiàn)[6]在理論分析和現(xiàn)場(chǎng)實(shí)驗(yàn)的基礎(chǔ)上，探討臺(tái)階高度對(duì)拋擲爆破效果的影響；文獻(xiàn)[7]推導(dǎo)出拋擲距離與炮孔傾角及炸藥單耗的關(guān)系式，描述了各參數(shù)之間關(guān)系變化的趨勢(shì)；文獻(xiàn)[8]建立了有效拋擲率離散模型和拋擲速度反演模型，通過(guò)掃描爆破前后倒堆臺(tái)階，對(duì)露天煤礦拋擲爆破有效拋擲率進(jìn)行了有效預(yù)測(cè)；文獻(xiàn)[9]分析了高臺(tái)階拋擲爆破效果的各影響因素，建立了反映各主要影響因素與拋擲爆破效果之間關(guān)系的拋擲爆破效果預(yù)測(cè)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型；文獻(xiàn)[10]完善了BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)拋擲爆破有效拋擲率的建模流程，并利用遺傳算法優(yōu)化了BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值，提高了預(yù)測(cè)精度；文獻(xiàn)[11]建立了基于遺傳算法優(yōu)化的支持向量機(jī)模型GA-SVM用于預(yù)測(cè)拋擲爆破有效拋擲率。

由于BP神經(jīng)網(wǎng)絡(luò)收斂速度慢、容易陷入局部最小、需要大量訓(xùn)練樣本等缺點(diǎn)，用其預(yù)測(cè)有效拋擲率誤差較大，結(jié)果并不理想；SVM的參數(shù)懲罰項(xiàng)與核函數(shù)參數(shù)的選擇、優(yōu)化對(duì)預(yù)測(cè)結(jié)果影響較大，而廣義回歸神經(jīng)網(wǎng)絡(luò)具有收斂速度快、計(jì)算量小，樣本數(shù)據(jù)較少時(shí)也可以取得較好的預(yù)測(cè)效果等優(yōu)點(diǎn)[12]，并可以處理不穩(wěn)定的數(shù)據(jù)，因此本研究選擇廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)預(yù)測(cè)有效拋擲率。

1 預(yù)測(cè)拋擲爆破有效拋擲率的意義

有效拋擲率是指通過(guò)拋擲爆破被拋擲到采空區(qū)不需要再進(jìn)行采裝、排棄等作業(yè)的爆破量與拋擲爆破總量的比值，如圖1所示，其計(jì)算公式為

(1)

式中，η為有效拋擲率；ks為爆堆松散系數(shù)；H為拋擲爆破臺(tái)階高度，m；A為采掘帶寬度，m；SⅠ、SⅡ、SⅢ分別為圖1中Ⅰ、Ⅱ、Ⅲ區(qū)域的面積，m2。

圖1 有效拋擲率計(jì)算

定義拉斗鏟倒堆工藝系統(tǒng)的可靠性為拉斗鏟倒堆工藝系統(tǒng)在當(dāng)前露天礦的生產(chǎn)作業(yè)條件下和計(jì)劃的時(shí)間內(nèi)完成計(jì)劃的剝離任務(wù)量的能力，其可靠度為系統(tǒng)在當(dāng)前露天礦的生產(chǎn)作業(yè)條件下和計(jì)劃的時(shí)間內(nèi)完成計(jì)劃的剝離任務(wù)量的概率，即

(2)

式中，R為拉斗鏟倒堆工藝系統(tǒng)可靠度；Qs為拉斗鏟實(shí)際生產(chǎn)能力，m3/月；Qj為拉斗鏟計(jì)劃任務(wù)量，m3/月。

根據(jù)圖1中的幾何關(guān)系可知：

(3)

式中，M為露天煤礦計(jì)劃的月原煤生產(chǎn)能力，t/月；ks為二次倒堆率；h為煤層的平均厚度，m；γ為煤的容重，t/m3；kc為煤層回采率。

由于國(guó)內(nèi)的煤層埋藏較深，覆蓋層較厚[13]，拋擲爆破—拉斗鏟倒堆工藝只能用于煤層上覆部分巖石的剝離，此工藝系統(tǒng)嚴(yán)重限制采煤作業(yè)。為了保證露天煤礦的持續(xù)生產(chǎn)，必須保證拉斗鏟倒堆工藝系統(tǒng)有較高的可靠性。而露天煤礦在制定生產(chǎn)計(jì)劃時(shí)，通常根據(jù)經(jīng)驗(yàn)把有效拋擲率看作一個(gè)常數(shù)ηc，假設(shè)實(shí)際有效拋擲率為ηs，在不考慮其他因素變化的情況下，當(dāng)ηc>ηs時(shí)，會(huì)導(dǎo)致拉斗鏟的計(jì)劃任務(wù)量Qj偏小。這種情況下，即使拉斗鏟完成計(jì)劃任務(wù)量，即Qs≥Qj，也會(huì)導(dǎo)致露天煤礦完不成計(jì)劃的月原煤生產(chǎn)能力。當(dāng)ηc≤ηs時(shí)，拉斗鏟的計(jì)劃任務(wù)量Qj會(huì)偏大，這種情況使拉斗鏟倒堆工藝系統(tǒng)的可靠性更高，但可能會(huì)導(dǎo)致拉斗鏟的生產(chǎn)能力不能完全發(fā)揮。

若可以準(zhǔn)確預(yù)測(cè)有效拋擲率，使制定生產(chǎn)計(jì)劃時(shí)采用的有效拋擲率η接近實(shí)際有效拋擲率ηs，則可以使拉斗鏟的計(jì)劃任務(wù)量Qj準(zhǔn)確可靠，保證拉斗鏟倒堆工藝系統(tǒng)的可靠性，還可以充分發(fā)揮拉斗鏟的生產(chǎn)能力。因此，預(yù)測(cè)拋擲爆破有效拋擲率對(duì)準(zhǔn)確制定露天煤礦生產(chǎn)計(jì)劃、提高拉斗鏟倒堆工藝系統(tǒng)的可靠性、保證露天煤礦持續(xù)穩(wěn)定的生產(chǎn)具有重要意義。此外，有效拋擲率的預(yù)測(cè)結(jié)果還可以作為拋擲爆破優(yōu)化設(shè)計(jì)、判斷爆破參數(shù)等是否合理的重要依據(jù)，指導(dǎo)改善拋擲爆破效果。

2 影響拋擲爆破有效拋擲率的因素分析

影響露天煤礦拋擲爆破有效拋擲率的因素包括工程地質(zhì)條件、爆破技術(shù)條件、現(xiàn)場(chǎng)施工質(zhì)量3個(gè)方面[14]，詳細(xì)見(jiàn)圖2。

圖2 有效拋擲率影響因素

2.1 工程地質(zhì)條件

工程地質(zhì)條件主要包括巖石的物理力學(xué)性質(zhì)、節(jié)理裂隙發(fā)育程度、結(jié)構(gòu)面產(chǎn)狀、煤層厚度等。巖石的物理力學(xué)性質(zhì)如巖石的密度、彈性模量對(duì)拋擲爆破的有效拋擲率影響較大，在其他條件不變的情況下，有效拋擲率隨著巖石密度的降低而增大，隨著巖石彈性模量的增大而增大。當(dāng)巖體節(jié)理裂隙垂直于自由面時(shí)，爆轟氣體容易逸散，使得有效拋擲率偏低；當(dāng)節(jié)理裂隙平行于自由面時(shí)，會(huì)增大相鄰炮孔間的相互作用，使得有效拋擲率偏大。煤層厚度影響拋擲爆破臺(tái)階重心的高度，進(jìn)而影響拋擲距離，當(dāng)其他參數(shù)一定的情況下，煤層厚度越大，拋擲距離越遠(yuǎn)，有效拋擲率越大。

2.2 爆破技術(shù)條件

爆破技術(shù)條件包括孔網(wǎng)參數(shù)、裝藥結(jié)構(gòu)、布孔及起爆方式、延時(shí)時(shí)間及炸藥特性等?？拙W(wǎng)參數(shù)如孔距、排距、底盤抵抗線直接影響有效拋擲率，如當(dāng)排距不變的情況下，增大孔距，爆堆的爆堆的前沿拋擲距離基本不變，在一定范圍內(nèi)，拋擲率隨著炮孔密集系數(shù)的增大而增大[15]。裝藥結(jié)構(gòu)決定炸藥單耗、炸藥位置。炸藥單耗偏低，會(huì)導(dǎo)致有效拋擲率較低，在一定范圍內(nèi)，提高炸藥單耗可以顯著提高有效拋擲率，但炸藥單耗也不宜過(guò)大。炸藥特性影響爆轟壓力、爆炸壓力、爆炸作用時(shí)間等，直接影響有效拋擲率。此外，拋擲量和臺(tái)階高度與采掘帶寬度之比呈近似線性關(guān)系，在一定范圍內(nèi)，增大臺(tái)階高度可提高拋擲距離，適當(dāng)增加臺(tái)階高度，減小采掘帶寬度可以提高有效拋擲率。

2.3 現(xiàn)場(chǎng)施工質(zhì)量

現(xiàn)場(chǎng)施工質(zhì)量包括鉆孔質(zhì)量、裝藥質(zhì)量、填塞質(zhì)量及連線質(zhì)量。鉆孔質(zhì)量直接影響抵抗線、孔距、排距等孔網(wǎng)參數(shù)，此外鉆孔孔長(zhǎng)不夠會(huì)導(dǎo)致裝藥長(zhǎng)度或填塞長(zhǎng)度不滿足設(shè)計(jì)要求，影響裝藥結(jié)構(gòu)。裝藥質(zhì)量影響裝藥量、炸藥在炮孔中的分布，進(jìn)而影響炸藥單耗以及不耦合系數(shù)等參數(shù)。填塞質(zhì)量直接影響填塞作用的實(shí)現(xiàn)程度。連線質(zhì)量影響起爆延時(shí)，甚至影響爆破安全。

3 拋擲爆破有效拋擲率預(yù)測(cè)模型的建立

3.1 預(yù)測(cè)模型的建立

由于影響拋擲爆破有效拋擲率的因素比較多，采用傳統(tǒng)的預(yù)測(cè)方法如灰色預(yù)測(cè)方法、時(shí)間序列方法等預(yù)測(cè)其生產(chǎn)能力，預(yù)測(cè)效果并不理想。而廣義回歸神經(jīng)網(wǎng)絡(luò)GRNN能夠較好地處理這種非線性不確定復(fù)雜問(wèn)題，并具有收斂速度快、計(jì)算量小[16]、樣本數(shù)據(jù)較少時(shí)也可以取得較好的預(yù)測(cè)效果等優(yōu)點(diǎn)，因此選擇GRNN建立拋擲爆破有效拋擲率預(yù)測(cè)模型。

在特定的露天煤礦，其拋擲爆破臺(tái)階的工程地質(zhì)條件一般變化不大，在露天煤礦的實(shí)際生產(chǎn)過(guò)程中，為了提高生產(chǎn)效率，方便施工，拋擲爆破通常采用相同的孔徑、炮孔傾角、炮孔堵塞方式、采掘帶寬度及炸藥，一般通過(guò)調(diào)整孔距、排距、臺(tái)階高度等參數(shù)來(lái)優(yōu)化拋擲爆破，以適當(dāng)提高有效拋擲率。根據(jù)以上分析，選擇拋擲爆破臺(tái)階高度、炸藥單耗、底盤抵抗線、孔距、排距、煤層厚度等6個(gè)能夠量化的、對(duì)有效拋擲率影響較大的指標(biāo)作為GRNN廣義回歸神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)輸入，以有效拋擲率為網(wǎng)絡(luò)的輸出，構(gòu)建如圖3所示的GRNN廣義回歸神經(jīng)網(wǎng)絡(luò)模型。

圖3 廣義回歸神經(jīng)網(wǎng)絡(luò)模型

圖3中，輸入層的神經(jīng)元數(shù)目m等于輸入向量的維數(shù)，本模型中m=6，輸入變量直接傳遞至模式層。

模式層神經(jīng)元的數(shù)目n等于學(xué)習(xí)樣本數(shù)，每個(gè)神經(jīng)元對(duì)應(yīng)不同的樣本，神經(jīng)元的傳遞函數(shù)為

(4)

式中，x為網(wǎng)絡(luò)輸入變量；xi為第i個(gè)神經(jīng)元對(duì)應(yīng)的學(xué)習(xí)樣本。

求和層中包含兩類神經(jīng)元，一類神經(jīng)元是對(duì)模式層的所有神經(jīng)元的輸出進(jìn)行算術(shù)求和，傳遞函數(shù)為

另一類神經(jīng)元是對(duì)模式層所有的神經(jīng)元輸出進(jìn)行加權(quán)求和，傳遞函數(shù)為

輸出層神經(jīng)元的數(shù)目等于輸出向量的維數(shù)k，本模型為k=1，各神經(jīng)元把求和層的輸出相除即可得預(yù)測(cè)結(jié)果:

3.2 模型的求解

網(wǎng)絡(luò)的訓(xùn)練和預(yù)測(cè)可以通過(guò)MATLAB編程來(lái)實(shí)現(xiàn)。在MATLAB中可用函數(shù)“newgrnn”設(shè)計(jì)廣義回歸神經(jīng)網(wǎng)絡(luò)，首先載入樣本數(shù)據(jù)并把樣本數(shù)據(jù)劃分為訓(xùn)練樣本和預(yù)測(cè)樣本，然后通過(guò)交叉驗(yàn)證方法訓(xùn)練網(wǎng)絡(luò)，采用循環(huán)訓(xùn)練的方法求解最佳的徑向基函數(shù)擴(kuò)展速度SPREAD，最后用建立的網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)。

為了保證預(yù)測(cè)效果，在網(wǎng)絡(luò)訓(xùn)練之前利用式(5)把樣本數(shù)據(jù)進(jìn)行歸一化處理，將數(shù)據(jù)轉(zhuǎn)化為[0,1]區(qū)間的值。在輸出層利用式(5)把輸出結(jié)果還原:

(5)

4 工程實(shí)例

目前，黑岱溝露天煤礦主采煤層6號(hào)煤層上部40 m左右的巖石采用拋擲爆破—拉斗鏟倒堆工藝進(jìn)行剝離。拋擲爆破爆區(qū)平均長(zhǎng)度550 m，采掘帶寬度80 m，拋擲爆破臺(tái)階高度40 m左右，臺(tái)階坡面角65°，炮孔傾角65°。選取該礦的相關(guān)數(shù)據(jù)作為樣本，詳見(jiàn)表1。通過(guò)MATLAB編程實(shí)現(xiàn)網(wǎng)絡(luò)的訓(xùn)練與預(yù)測(cè)。

表1 廣義回歸神經(jīng)網(wǎng)絡(luò)樣本集Table 1 Data set of GRNN

選用前14組樣本作為訓(xùn)練樣本，第15組樣本作為測(cè)試樣本，網(wǎng)絡(luò)的訓(xùn)練預(yù)測(cè)結(jié)果見(jiàn)圖4。利用第15組樣本預(yù)測(cè)的有效拋擲率為34.3%，實(shí)際為32.8%，相對(duì)誤差為4.57%，預(yù)測(cè)結(jié)果較為準(zhǔn)確，完全能夠滿足露天煤礦的生產(chǎn)要求。

圖4 網(wǎng)絡(luò)預(yù)測(cè)結(jié)果

5 結(jié) 論

(1)準(zhǔn)確預(yù)測(cè)拋擲爆破的有效拋擲率可以保證拉斗鏟倒堆工藝系統(tǒng)的可靠性，充分發(fā)揮拉斗鏟的生產(chǎn)能力，指導(dǎo)露天煤礦準(zhǔn)確制定生產(chǎn)計(jì)劃，保證露天煤礦持續(xù)穩(wěn)定的生產(chǎn)，為拋擲爆破優(yōu)化設(shè)計(jì)、改善拋擲爆破效果提供依據(jù)。

(2)影響露天煤礦拋擲爆破有效拋擲率的因素包括工程地質(zhì)條件、爆破技術(shù)條件、現(xiàn)場(chǎng)施工質(zhì)量3個(gè)方面，從中選擇拋擲爆破臺(tái)階高度、炸藥單耗、底盤抵抗線、孔距、排距、煤層厚度等6個(gè)指標(biāo)作為廣義回歸神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)輸入。

(3)由于廣義回歸神經(jīng)網(wǎng)絡(luò)具有收斂速度快、計(jì)算量小、所需樣本少等優(yōu)點(diǎn)，可以根據(jù)影響有效拋擲率的因素利用廣義回歸神經(jīng)網(wǎng)絡(luò)建立有效拋擲率預(yù)測(cè)模型，以預(yù)測(cè)有效拋擲率。

(4)工程實(shí)例表明，建立的有效拋擲率預(yù)測(cè)模型可以準(zhǔn)確的預(yù)測(cè)有效拋擲率，預(yù)測(cè)誤差可以控制在5%以內(nèi)，完全能夠滿足露天煤礦的生產(chǎn)要求。

[1] 傅洪賢，張幼蒂．露天煤礦中的爆破剝離技術(shù)[J]．中國(guó)礦業(yè)，2001，10(2)：38-40． Fu Hongxian，Zhang Youdi.Blasting technology for overburden stripping in open-pit coal mine [J].China Mining Magazine，2001,10(2):38-40.

[2] 張幼蒂，傅洪賢，王啟瑞，等．拋擲爆破與剝離臺(tái)階開(kāi)采參數(shù)分析——露天礦倒堆剝離開(kāi)采方法系列論文之四[J]．中國(guó)礦業(yè)大學(xué)學(xué)報(bào)，2003，32(1)：27-30． Zhang Youdi，F(xiàn)u Hongxian，Wang Qirui，et al.Casting blast and analysis of mining parameters of stripping bench technical paper series for open cast method in surface mines(IV)[J].Journal of China University of Mining & Technology，2003,32(1):27-30.

[3] 傅洪賢，李克民．露天煤礦高臺(tái)階拋擲爆破參數(shù)分析[J]．煤炭學(xué)報(bào)，2006，31(4)：442-445． Fu Hongxian，Li Kemin.Analysis of high-bench cast blasting parameters in surface coal mines[J].Journal of China Coal Society，2006,31(4):442-445.

[4] 李克民，張幼蒂，傅洪賢．露天煤礦拋擲爆破參數(shù)分析[J]．采礦與安全工程學(xué)報(bào)，2006，23(4)：423-426． Li Kemin，Zhang Youdi，F(xiàn)u Hongxian.Analysis of casting blast parameters in surface coal mines[J].Journal of Mining & Safety Engineering，2006,23(4);423-426.

[5] 孫文彬，劉希亮，王洪斌，等．基于MIV的拋擲爆破影響因子權(quán)重分析[J]．中國(guó)礦業(yè)大學(xué)學(xué)報(bào)，2012，41(6)：993-998． Sun Wenbin，Liu Xiliang，Wang Hongbin，et al.Weight analysis of cast blasting effective factors based on MIV method[J].Journal of China University of Mining & Technology，2012,41(6):993-998.

[6] 李祥龍，劉殿書(shū)，何麗華，等．露天煤礦的臺(tái)階高度對(duì)拋擲率的影響[J]．爆炸與沖擊，2012，32(2)：211-215. Li Xianglong，Liu Dianshu，He Lihua，et al.Influences of bench height of an open-pit coal mine on cast percentage[J]，Explosion and Shock Waves，2012,32(2):211-215.

[7] 馬 力，李克民，丁小華，等．拋擲爆破巖體拋擲距離影響因素研究[J]．工程爆破，2013(S1)：50-53. Ma Li，Li Kemin，Ding Xiaohua，et al.Study on the influencing factors on casting distance of rock by casting blast[J].Engineering Blasting，2013(S1):50-53.

[8] 周 偉，才慶祥，李克民．露天煤礦拋擲爆破有效拋擲率預(yù)測(cè)模型[J]．采礦與安全工程學(xué)報(bào)，2011，28(4)：614-617． Zhou Wei，Cai Qingxiang，Li Kemin.Prediction mode of effective stripping ratio of casting blast in open pit[J].Journal of Mining & Safety Engineering，2011,28(4):614-617.

[9] 李祥龍．高臺(tái)階拋擲爆破技術(shù)與效果預(yù)測(cè)模型研究[D]．北京：中國(guó)礦業(yè)大學(xué)，2010． Li Xianglong.Research on the Technology and Effect Prediction Models of High Bench Cast Blasting[D].Beijing：China University of Mining & Technology，2010.

[10] 劉希亮．基于GA-BP神經(jīng)網(wǎng)絡(luò)拋擲爆破效果預(yù)測(cè)與分析[D]．北京：中國(guó)礦業(yè)大學(xué)，2011． Liu Xiliang.Prediction and Analysis of Mine Cast Blasting Effect Based on GA-BP Neural Network[D].Beijing：China University of Mining & Technology,2011.

[11] 劉希亮，趙學(xué)勝，陸 鋒，等．基于GA-SVM的露天礦拋擲爆破拋擲率預(yù)測(cè)[J].煤炭學(xué)報(bào)，2012，37(12):1999-2005． Liu Xiliang，Zhao Xuesheng，Lu Feng，et al.A GA-SVM based model for throwing rate prediction in the open-pit cast blasting[J].Journal of China Coal Society,2012,37(12)：1999-2005.

[12] 趙 闖，劉 凱，李電生．基于廣義回歸神經(jīng)網(wǎng)絡(luò)的貨運(yùn)量預(yù)測(cè)[J]．鐵道學(xué)報(bào)，2004，26(1)：12-15． Zhao Chuang，Liu Kai，Li Diansheng.Freight volume forecast based on GRNN[J].Journal of The China Railway Society，2004，26(1):12-15.

[13] 楊榮新，曾昭紅，賀國(guó)友．中國(guó)露天采煤工藝的發(fā)展方向[J]．煤炭學(xué)報(bào)，1993，18(1)：11-19． Yang Rongxin，Zeng Zhaohong，He Guoyou.Development direction of surface coal mining technology in China[J].Journal of China Coal Society，1993,18(1):11-19.

[14] 馬 力，李克民，丁小華，等．黑岱溝露天礦拋擲爆破效果的模糊綜合評(píng)價(jià)[J]．金屬礦山，2011(9)：58-60． Ma Li，Li Kemin，Ding Xiaohua，et al.Fuzzy synthetic evaluation on casting blast effect of Heidaigou surface coal mine[J].Metal Mine，2011(9):58-60.

[15] 李祥龍．孔距、排距對(duì)高臺(tái)階拋擲爆破拋擲率的影響[J]．北京理工大學(xué)學(xué)報(bào)，2011，31(11)：1265-1269． Li Xianlong.Effect of casting parameters on the cast percentage of high bench cast blasting[J].Transactions of Beijing Institute of Technology，2011,31(11):1265-1269.

[16] 伊良忠，章 超，裴 崢．廣義回歸神經(jīng)網(wǎng)絡(luò)的改進(jìn)及在交通預(yù)測(cè)中的應(yīng)用[J]．山東大學(xué)學(xué)報(bào):工學(xué)版，2013，43(1)：1-6． Yin Liangzhong，Zhang Chao，Pei Zheng.A modified general regression neural network with its application in traffic prediction[J].Journal of Shandong University:Engineering Science，2013,43(1):1-6.

(責(zé)任編輯 石海林)

Prediction of Effective Stripping Ratio of Casting Blast in Surface Coal Mines

Liu Gan1,2Li Kemin1,2Xiao Shuangshuang1,2Ma Li1,2

(1.SchoolofMines，ChinaUniversityofMining&Technology，Xuzhou221116，China;2.StateKeyLaboratoryofCoalResourcesandSafeMining，Xuzhou221116，China)

The effective stripping ratio is one of the most important indicators to evaluate the effect of casting blast，and the prediction of effective stripping ratio can guide the technical personnel to make accurate production planning.Based on analyzing the factors of effective stripping ratio，the bench height，explosive consumption，bottom burden，hole spacing，row spacing，thickness of coal seam were taken as the network input of generalized regression neural network (GRNN)，the effective stripping ratio was set as network output.The prediction model of effective stripping ratio was built，and network training and prediction were achieved through MATLAB programming.The results showed that the GRNN could predict the effective stripping ratio accurately with the forecast error normally around 5%，and the prediction results can meet the project requirements.

Casting blast，Effective stripping ratio，Reliability，Generalized regression neural network

2013-11-09

國(guó)家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)項(xiàng)目(編號(hào)：2012AA062002)，國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目(編號(hào)：51034005)。

劉 干(1990—)，男，碩士研究生。

TD824，TD235.31

A 文獻(xiàn)標(biāo)志碼 1001-1250(2014)-04-065-05