能耗控制視角下的MOPSO爆破參數(shù)優(yōu)化研究

過 江，趙培東，張 琛，李萍豐，劉 翼，張兵兵

(1.中南大學(xué)資源與安全工程學(xué)院, 長沙 410083；2.宏大爆破工程集團(tuán)有限責(zé)任公司, 長沙 410083)

爆破手段是現(xiàn)階段露天礦開采、隧道建設(shè)、廢棄建筑物拆除等工程作業(yè)進(jìn)行的首選方式，爆破參數(shù)的合理設(shè)計(jì)是爆破作業(yè)的重要環(huán)節(jié)。傳統(tǒng)的礦山爆破參數(shù)優(yōu)化方法以理論計(jì)算與現(xiàn)場實(shí)驗(yàn)相結(jié)合為主[1]，近年來理論計(jì)算、數(shù)值模擬、工程實(shí)證相結(jié)合的研究方式[2-3]因成本較低而受到更多關(guān)注，基于大量數(shù)據(jù)分析的神經(jīng)網(wǎng)絡(luò)等智能算法在礦山爆破參數(shù)優(yōu)化[4]和成本控制研究[5]方面也取得顯著成果，礦山全作業(yè)鏈生產(chǎn)數(shù)據(jù)的綜合分析運(yùn)用的重要性愈發(fā)突出。國外學(xué)者Behrouz等[6]利用隨機(jī)森林分析了Detour Lake露天礦2013年至2016年的爆破數(shù)據(jù)，并以鏟裝和運(yùn)輸環(huán)節(jié)的載量和效率為爆破效果評(píng)價(jià)指標(biāo)優(yōu)化爆破參數(shù)。特別指出的是，生產(chǎn)實(shí)際中理想爆破效果的取得是通過在合理范圍內(nèi)調(diào)整孔網(wǎng)參數(shù)等可調(diào)參數(shù)的取值來實(shí)現(xiàn)的[7-8]，而參數(shù)的取值存在依賴于生產(chǎn)經(jīng)驗(yàn)的不足。

粒子群優(yōu)化算法(PSO)在處理多參數(shù)指標(biāo)尋優(yōu)方面擁有強(qiáng)大功能。在露天礦山運(yùn)輸路徑優(yōu)化和運(yùn)輸成本控制研究上，粒子群算法因其算法簡單和尋優(yōu)結(jié)果精度高、收斂快的特點(diǎn)，有效的實(shí)現(xiàn)了露天礦山運(yùn)輸路徑優(yōu)化[9-11]，改善露天礦山運(yùn)營現(xiàn)狀。岳中文等[12]提出粒子群算法與支持向量機(jī)結(jié)合的 PSO-LSSVM 模型，在露天礦爆破振動(dòng)效應(yīng)預(yù)測方面取得較好結(jié)果。目前，多目標(biāo)粒子群優(yōu)化理論和應(yīng)用研究取得豐富成果，MOPSO 算法的核心內(nèi)容包括非劣解集中粒子的密度信息估計(jì)、Pareto 最優(yōu)解搜索算法和解的多樣性保持技術(shù)[13]。

在礦山的相關(guān)研究和生產(chǎn)實(shí)踐中，越來越多的學(xué)者意識(shí)到著眼于礦山生產(chǎn)全作業(yè)鏈，將鉆爆、鏟運(yùn)、破碎作為整體來研究礦山效益優(yōu)化問題是必要和重要的[14-15]，且普遍認(rèn)為鉆爆環(huán)節(jié)直接影響爆破效果，進(jìn)而影響著鏟運(yùn)、破碎過程的效率、能耗及綜合成本[16-18]。但由于爆破機(jī)理復(fù)雜，影響因素與指標(biāo)之間往往是非線性關(guān)系，很少有研究直接將爆破參數(shù)與鏟運(yùn)及破碎指標(biāo)建立聯(lián)系。因此，將爆破設(shè)計(jì)參數(shù)作為輸入量，選取作業(yè)鏈上某一環(huán)節(jié)的關(guān)鍵指標(biāo)作為輸出量進(jìn)行研究，對(duì)露天礦山降本增效和能耗控制具有十分重要的意義。

在能耗控制和節(jié)能減排標(biāo)準(zhǔn)日益嚴(yán)格的背景下，基于上述現(xiàn)狀，提出一種爆破參數(shù)優(yōu)化和爆破效果評(píng)價(jià)新思路，即建立爆破可調(diào)參數(shù)與粗碎、中碎及細(xì)碎3個(gè)骨料加工破碎階段能耗指標(biāo)的MOPSO模型，并將能耗指標(biāo)作為爆破效果的評(píng)價(jià)指標(biāo)，結(jié)合修正Kuz-Ram模型，通過理論計(jì)算和對(duì)比分析佐證了尋優(yōu)結(jié)果的正確性。

1 基本原理

1.1 MOPSO基本原理

粒子群優(yōu)化算法屬于智能群體算法(SI)，即來源于對(duì)自然界中昆蟲群體的觀察和模擬，粒子群優(yōu)化算法是對(duì)鳥群覓食的模仿?；驹硎橇Ｗ痈鶕?jù)自身最優(yōu)位置和全局已知最優(yōu)位置來動(dòng)態(tài)調(diào)整下一步運(yùn)動(dòng)速度和位置，被優(yōu)化函數(shù)即適應(yīng)度函數(shù)決定著粒子的適應(yīng)值。實(shí)現(xiàn)動(dòng)態(tài)調(diào)整的核心是速度更新公式和位置更新公式。MOPSO的發(fā)展基于常規(guī)粒子群優(yōu)化算法(PSO)，搜索時(shí)只考慮粒子速度和位置的變化，由Coello[19]等人提出。

多目標(biāo)粒子群算法(MOPSO)具有檢索高效、帕累托前沿分布良好的優(yōu)點(diǎn)，被廣泛用來優(yōu)化工程實(shí)際中的數(shù)學(xué)問題。與常規(guī)粒子群算法(PSO)不同，多目標(biāo)粒子群優(yōu)化(MOPSO)的一組解由帕累托前端作為標(biāo)準(zhǔn)來衡量該組解中每個(gè)解的獨(dú)特優(yōu)勢，且MOPSO能迅速收斂到帕累托前沿[20]。速度和位置更新公式見式(1)、式(2)。

(1)

(2)

1.2 爆堆塊度預(yù)測基本原理

多目標(biāo)粒子群優(yōu)化算法求解得到相對(duì)最優(yōu)解集的帕累托前端和對(duì)應(yīng)參數(shù)取值。結(jié)合砂石礦山爆破實(shí)際，對(duì)爆破塊度預(yù)測理論Kuz-Ram模型加以修正，驗(yàn)證尋優(yōu)結(jié)果的正確性和以能耗指標(biāo)作為爆破效果評(píng)價(jià)指標(biāo)的合理性。

Kuz-Ram模型是由研究爆破平均塊度的庫茲涅佐夫(Kuznestov)模型和研究塊度分布特征的羅森雷姆勒(Rosin-Rammler)模型結(jié)合而來，并利用Rosin-Rammler模型曲線把Kuz方程變成預(yù)報(bào)爆堆級(jí)配的數(shù)學(xué)模型。鑒于工程實(shí)例選取的是砂石骨料露天礦山，爆破參數(shù)設(shè)計(jì)時(shí)需考慮爆后最大礦石塊度的限制，故參考文獻(xiàn)[17]引入礦塊允許最大塊度Xm這一參數(shù)，對(duì)Kuz方程進(jìn)行修正，見式(3)。

(3)

Rosin-Rammler曲線用于描述被爆巖石破碎情況[21]：

(4)

式中：R為篩上礦石占比，即塊度大于x的礦石所占的比率；x為篩孔尺寸，表示篩下最大塊度或篩上最小塊度；xe為特特征尺寸，由Kuz方程計(jì)算給出；β為均勻度指標(biāo)，經(jīng)驗(yàn)系數(shù)，取0.8～2.2，值越高表示爆堆塊度越均勻，值偏低歸因于粉礦和大塊率占比較大，計(jì)算公式見式(5)。

(5)

式中：W為最小抵抗線；φ為炮孔直徑；ΔW為鑿巖精度的標(biāo)準(zhǔn)誤差，即孔底偏離設(shè)計(jì)位置的平均距離；A為孔距與最小抵抗線之比；L為底板標(biāo)高以上藥包長度；H為臺(tái)階高度。

(6)

2 基于數(shù)據(jù)離散化處理的MOPSO模型建立

通過數(shù)據(jù)預(yù)處理和參數(shù)數(shù)據(jù)離散化處理，并運(yùn)用回歸分析建立能耗指標(biāo)適用度函數(shù)代理模型，利用MATLAB軟件運(yùn)行MOPSO算法進(jìn)行尋優(yōu)，最后以修正的Kuz-Ram模型計(jì)算優(yōu)化參數(shù)的爆堆塊度理論值，佐證尋優(yōu)參數(shù)的合理性和以研磨破碎環(huán)節(jié)的能耗指標(biāo)作為爆破效果評(píng)價(jià)指標(biāo)的適用性。

基于數(shù)據(jù)離散化處理的能耗指標(biāo)與爆破參數(shù)MOPSO模型建立步驟如下：①現(xiàn)場數(shù)據(jù)收集并數(shù)據(jù)預(yù)處理；②可調(diào)參數(shù)數(shù)據(jù)離散化處理；③回歸分析建立能耗指標(biāo)與可調(diào)參數(shù)的代理模型；④初始化粒子群；⑤迭代更新粒子的速度和位置及更新儲(chǔ)存庫，產(chǎn)生新一代粒子群和新的全局和局部最優(yōu)位置；⑥最大迭代次數(shù)為Maxlt時(shí)結(jié)束迭代，得出帕累托最優(yōu)前沿和其他解；⑦借助MATLAB提取帕累托前沿上的多個(gè)最優(yōu)解；⑧選擇3組具有代表性的解，用修正Kuz-Ram模型佐證優(yōu)化結(jié)果的合理性。

3 能耗指標(biāo)與爆破參數(shù)MOPSO模型的運(yùn)用與分析

3.1 數(shù)據(jù)處理及指標(biāo)選取

大皇山凝灰?guī)r礦開采爆破采用中深孔爆破技術(shù)，運(yùn)用數(shù)碼電子雷管實(shí)現(xiàn)逐孔延時(shí)起爆。砂石骨料加工經(jīng)過3個(gè)階段的破碎，即粗碎、中碎、細(xì)碎，共配置有17臺(tái)破碎機(jī)，是主要耗電設(shè)備。其中粗碎和中碎過后經(jīng)一道篩分將塊度大于31.5 mm的礦石輸送經(jīng)由細(xì)碎階段進(jìn)一步破碎為31.5 mm以下的骨料。

原始數(shù)據(jù)來源于大皇山凝灰?guī)r露天礦生產(chǎn)現(xiàn)場統(tǒng)計(jì)，選取的數(shù)據(jù)有研磨破碎3個(gè)階段能耗數(shù)據(jù)和3個(gè)可調(diào)參數(shù)(孔排距、鉆孔超深、炸藥單耗)數(shù)據(jù)。由于每日生產(chǎn)計(jì)劃不同，需要破碎的進(jìn)礦量也就不同。為減小破碎量不同造成的能耗差異，選取耗量比HL(kwh/m3)作為回歸分析指標(biāo)，反映破碎1 m3進(jìn)礦量需要消耗的電量。經(jīng)異常數(shù)據(jù)剔除后，現(xiàn)場統(tǒng)計(jì)的完整數(shù)據(jù)有25組。經(jīng)分析發(fā)現(xiàn)如下規(guī)律：

1)孔排距與能耗指標(biāo)呈現(xiàn)正相關(guān)關(guān)系，孔排距越大，耗量比越大；

2)炸藥單耗與能耗指標(biāo)呈現(xiàn)負(fù)相關(guān)關(guān)系，炸藥單耗越大，耗量比越??；

3)鉆孔超深與能耗指標(biāo)呈現(xiàn)負(fù)相關(guān)關(guān)系，鉆孔超深越大，耗量比越??；這與超深增加，在填塞長度不變的情況下，實(shí)際炸藥量增加有關(guān)；

4)細(xì)碎階段的能耗受骨料產(chǎn)品生產(chǎn)尺寸要求影響更大，與粗碎和中碎的耗量比成負(fù)相關(guān)。

以上規(guī)律與爆破參數(shù)對(duì)爆破塊度的影響規(guī)律[6]相似，說明以研磨破碎環(huán)節(jié)的能耗作為評(píng)價(jià)爆破效果的間接指標(biāo)有一定的適用性。

根據(jù)生產(chǎn)實(shí)際，可調(diào)參數(shù)調(diào)整范圍不大，將統(tǒng)計(jì)到的參數(shù)數(shù)據(jù)離散化為4組，并對(duì)應(yīng)賦予1到4的整數(shù)指針編碼。特別的，將孔排距整體作為一個(gè)參數(shù)，選取6.2 m×3.0 m、6.2 m×3.2 m、6.5 m×3.2 m、6.5 m×3.3 m 4組數(shù)據(jù)。本研究目的之一是在現(xiàn)有的爆破可調(diào)參數(shù)范圍內(nèi)尋優(yōu)，回歸分析建立的代理模型能否最佳擬合現(xiàn)有參數(shù)與能耗指標(biāo)是關(guān)鍵。故選取MATLAB散點(diǎn)圖中相關(guān)關(guān)系最好的7組數(shù)據(jù)用于建立代理模型。指標(biāo)數(shù)據(jù)及指針編碼如表1所示。

表1 指標(biāo)數(shù)據(jù)及指針編碼

3.2 能耗指標(biāo)代理模型建立

在多參數(shù)與指標(biāo)，即自變量與因變量之間的函數(shù)關(guān)系不明確的情況下，其函數(shù)關(guān)系用多項(xiàng)式函數(shù)模型表示為Y=f(x1+x2+x3)+ε，即

y=b0+b1x1+b2x2+b3x3+…(線性項(xiàng))

b12x1x2+b13x1x3+b23x2x3+…(交互項(xiàng))

(7)

b11x12+b22x22+b33x32+…(二次項(xiàng))

ε～N(0,σ2)

根據(jù)參數(shù)現(xiàn)實(shí)意義，孔排距、炸藥單耗、超深3個(gè)參數(shù)的兩兩組合沒有對(duì)應(yīng)的量綱，故回歸分析不考慮含交互項(xiàng)的代理模型。建立線性代理模型和非線性代理模型(含線性項(xiàng))即純二次模型，并通過比較線性模型和非線性模型的相關(guān)系數(shù)和顯著水平來確定代理模型的最佳形式。一般認(rèn)為，判定系數(shù)越大，即越接近1，顯著水平P越小，回歸分析建立的模型越符合原始數(shù)據(jù)趨勢。設(shè)孔排距為x1，炸藥單耗為x2，鉆孔超深為x3，粗碎耗量比為HL1(x1,x2,x3)，中碎耗量比為HL2(x1,x2,x3)，細(xì)碎耗量比為HL3(x1,x2,x3)，回歸分析得到的系數(shù)、判定系數(shù)r2、顯著水平概率p如表2所示。

表2 回歸分析建立模型的相關(guān)參數(shù)

在顯著水平為 0.05 時(shí)，表2線性代理模型和純二次代理模型反映能耗控制指標(biāo)與影響因素之間關(guān)系。從對(duì)應(yīng)的判定系數(shù)、概率值p的比較來看，純二次模型的p值均不理想，尤其是細(xì)碎耗量比的代理模型p值最差，這主要是數(shù)據(jù)點(diǎn)不足導(dǎo)致的純二次回歸分析顯著性不高；而純二次代理模型的判定系數(shù)均大于0.95，說明對(duì)已知數(shù)據(jù)點(diǎn)的擬合效果很好，與原始數(shù)據(jù)的反映規(guī)律相關(guān)性更高，這也與爆破各因素之間關(guān)系呈現(xiàn)非線性的實(shí)際情況相符。線性代理模型顯著水平均小于0.05，判定系數(shù)均大于0.92。從顯著性和相關(guān)性判斷出線性模型更能擬合當(dāng)前已知數(shù)據(jù)，作為適應(yīng)度函數(shù)在MOPSO算法中的尋優(yōu)結(jié)果更為準(zhǔn)確。因此，對(duì)現(xiàn)有數(shù)據(jù)來說，線性模型優(yōu)于純二次模型，故反映能耗控制指標(biāo)與影響因素之間關(guān)系的代理模型為線性模型，即

HL1(x1,x2,x3)=0.194 3+0.041 3x1-0.020 9x2-0.001 8x3

(8)

HL2(x1,x2,x3)=0.265 3+0.026 4x1-0.026 0x2-0.010 3x3

(9)

HL3(x1,x2,x3)=0.560 5+0.052 4x1-0.076 4x2+0.012 0x3

(10)

3.3 能耗指標(biāo)與爆破參數(shù)MOPSO尋優(yōu)結(jié)果與分析

根據(jù)3.1的分析規(guī)律，粗碎耗量比和中碎耗量比與細(xì)碎耗量比呈負(fù)相關(guān)，故建立兩個(gè)適應(yīng)度函數(shù)和三個(gè)適應(yīng)度函數(shù)的MOPSO尋優(yōu)模型，表達(dá)式見式(11)。

Min{[HL1(x)，HL3(x)]，[HL2(x)，HL3(x)]，[HL1(x)，HL2(x)，HL3(x)]}

X=[x1,x2,x3]T1≤x1≤4，1≤x2≤4，1≤x3≤4

(11)

基于MATLAB R2019(b)仿真軟件運(yùn)行能耗指標(biāo)與爆破參數(shù)MOPSO模型，并求解式(11)中3類組合的帕累托前端。

2目標(biāo)組合和3目標(biāo)組合尋優(yōu)的帕累托前端如圖1、圖2和圖3所示。

圖1 粗碎與細(xì)碎耗量比兩目標(biāo)帕累托前端

圖2 中碎與細(xì)碎耗量比兩目標(biāo)帕累托前端

圖3 三目標(biāo)帕累托前端

當(dāng)?shù)螖?shù)為200時(shí)，圖1、圖2、圖3為耗量比代理模型尋優(yōu)得到的帕累托前端，圖中顯示最優(yōu)解集分布均勻，表明研磨破碎三階段的耗量比代理模型在MOPSO算法中獲得準(zhǔn)確的尋優(yōu)結(jié)果。

多目標(biāo)粒子群優(yōu)化算法得到的解是1組相對(duì)最優(yōu)解，2目標(biāo)適應(yīng)度函數(shù)和3目標(biāo)適應(yīng)度函數(shù)并非同時(shí)獲得最優(yōu)解，即通過帕累托最優(yōu)前沿來確定每個(gè)解相對(duì)其他解所具有的獨(dú)特優(yōu)勢。故選取帕累托前沿曲線或曲面的上端、中部、下端3組典型解來代表帕累托最優(yōu)，不用全部提取帕累托最優(yōu)解來分析研究便滿足研究需要。最優(yōu)解提取如表3所示。

表3 3組典型解提取

從2目標(biāo)、3目標(biāo)帕累托前沿分布和3組典型解提取分析可知：

1)在現(xiàn)有爆破參數(shù)選擇范圍內(nèi)，粗碎耗量比指標(biāo)取值范圍在0.148～0.155 37 kwh/m3，中碎耗量比指標(biāo)取值范圍在0.146 5～0.177 kwh/m3，細(xì)碎耗量比取值范圍在0.319 77～0.362 35 kwh/m3。

2)研磨破碎三階段中，細(xì)碎耗量比指標(biāo)最大，破碎1 m3的進(jìn)礦，HL3超過HL1和HL2約50%；可見保證前兩階段破碎的高效進(jìn)行，對(duì)控制細(xì)碎階段能耗有重要影響。

3)2目標(biāo)和3目標(biāo)優(yōu)化的帕累托前沿分布均說明孔排距越小、炸藥單耗越大，研磨破損三階段的耗量比就越小。

4)在相對(duì)最優(yōu)耗量指標(biāo)范圍內(nèi)，超深越大，粗碎和中碎耗量比越小，細(xì)碎耗量比越大。即在合適的填塞長度下，增加超深使得底部巖石破碎程度增加[22]，從而巖石整體平均破碎程度更佳。最終粗碎和中碎的耗量比變小，礦塊破碎效率變得更高，破碎環(huán)節(jié)整體能耗減少。

由MOPSO算法帕累托前端結(jié)果可知，在相對(duì)最優(yōu)的能耗控制指標(biāo)下，孔排距和炸藥單耗參數(shù)指針分布為1和4，對(duì)應(yīng)參數(shù)真實(shí)值孔排距為6.0 m×3.0 m，炸藥單耗為0.35 kg/m3。從研磨效率提高的角度看，超深在合理范圍內(nèi)取值應(yīng)偏大，在1.7～2.0 m之間。

3.4 Kuz-Ram模型驗(yàn)證優(yōu)化結(jié)果

大皇山凝灰?guī)r礦采區(qū)內(nèi)巖層主要為凝灰?guī)r類巖石，巖石節(jié)理、裂隙不發(fā)育。屬于堅(jiān)硬巖石類，故巖石計(jì)算系數(shù)K取13。為達(dá)到預(yù)期的爆破效果選用爆速較高的乳化炸藥藥卷直徑d=115 mm。硝銨乳化炸藥不含梯恩梯成分，對(duì)環(huán)境友好。炸藥相對(duì)威力E取值100。石料允許最大塊度取值0.8 m。修正的Kuz-Ram模型中，孔距與最小抵抗線比值A(chǔ)、單孔裝藥量Q、單孔破碎巖石體積V03個(gè)參數(shù)因孔排距和炸藥單耗不同而取值不同，其他參數(shù)取值如表4所示。

表4 Kuz-Ram模型參數(shù)取值

由3.3MOPSO優(yōu)化結(jié)果可知，孔排距取6.0 m×3.0 m，炸藥單耗取0.35 kg/m3，利用式(1)至式(4)修正的砂石露天礦Kuz-Ram模型對(duì)優(yōu)化結(jié)果進(jìn)行理論上的對(duì)比驗(yàn)證。參數(shù)優(yōu)化結(jié)果與表1中爆堆平均塊度和塊度特征尺寸的比較如圖4所示，爆堆級(jí)配即篩上各塊度礦石占比的對(duì)比數(shù)據(jù)如圖5所示。

圖4 爆堆平均塊度和特征尺寸的比較

圖5 篩上各塊度礦石占比R值描點(diǎn)對(duì)比

從平均塊度和特征尺寸對(duì)比結(jié)果分析來看：

1)MOPSO算法尋優(yōu)在滿足耗量比能耗指標(biāo)相對(duì)最優(yōu)的情況下搜尋到參數(shù)值對(duì)應(yīng)的爆堆平均塊度小于未經(jīng)優(yōu)化的參數(shù)對(duì)應(yīng)的值，表明該參數(shù)在實(shí)際爆破中將取得較為良好的巖石破碎效果，塊度分布更為均勻。

2)優(yōu)化結(jié)果對(duì)應(yīng)的篩上礦石占比曲線下降速率快于其他4組數(shù)據(jù)對(duì)應(yīng)的曲線，表明爆堆級(jí)配優(yōu)于未經(jīng)優(yōu)化的4組參數(shù)對(duì)應(yīng)的爆堆級(jí)配；當(dāng)塊度為130 mm時(shí)，優(yōu)化結(jié)果對(duì)應(yīng)篩上礦石占比為9.5%，小于其他4組數(shù)據(jù)對(duì)應(yīng)的值，表明優(yōu)化參數(shù)將取得較小的大塊率。

綜上，以多目標(biāo)粒子群尋優(yōu)得到的爆破可調(diào)參數(shù)經(jīng)理論計(jì)算和比較能夠取得良好的爆破效果，也說明以研磨破碎階段的能耗控制指標(biāo)耗量比為爆破效果的間距評(píng)價(jià)指標(biāo)是可行的。

4 結(jié)論

1)建立研磨破碎能耗指標(biāo)與爆破可調(diào)參數(shù)的優(yōu)化模型，并以耗量比適應(yīng)度函數(shù)兩目標(biāo)和三目標(biāo)組合的方式，運(yùn)用MOPSO算法對(duì)爆破可調(diào)參數(shù)進(jìn)行尋優(yōu)，得到可調(diào)參數(shù)的最優(yōu)組合為孔排距取6.0 m×3.0 m，炸藥單耗取0.35 kg/m3，超深根據(jù)實(shí)際情況在1.7 ～2.0 m之間取值；同時(shí)還得到研磨破碎的細(xì)碎階段是主要耗能環(huán)節(jié)，耗能指標(biāo)超粗碎和中碎50%，超深的合理取值能夠提高研磨破碎環(huán)節(jié)的效率。尋優(yōu)結(jié)果為爆破參數(shù)的合理選擇和露天礦山破碎能耗控制提供了理論支撐，減少對(duì)人工經(jīng)驗(yàn)的依賴。

2)運(yùn)用修正Kuz-Ram模型對(duì)MOPSO算法尋優(yōu)參數(shù)與未經(jīng)優(yōu)化參數(shù)理論上的對(duì)應(yīng)爆堆塊度進(jìn)行分析比較，得出優(yōu)化后的爆破參數(shù)對(duì)應(yīng)的平均塊度為64 cm，篩上130 cm塊度礦石占比為9.5%，均小于未經(jīng)優(yōu)化參數(shù)對(duì)應(yīng)的值；為破碎能耗指標(biāo)作為露天礦山爆破效果的評(píng)價(jià)指標(biāo)提供理論依據(jù)，即較低的耗量比指標(biāo)能夠說明爆破效果比較好；研磨破碎能耗指標(biāo)作為爆破效果評(píng)價(jià)指標(biāo)相較于其他爆破效果評(píng)價(jià)指標(biāo)更有利礦山的降本增效和節(jié)能減排。

3)受露天礦山現(xiàn)場數(shù)據(jù)收集涉及的影響因素較多的限制，以及能耗指標(biāo)與爆破參數(shù)的尋優(yōu)研究對(duì)現(xiàn)場各工種及整體施工組織和調(diào)度有較高要求，加之人工數(shù)據(jù)統(tǒng)計(jì)存在的不足，本次收集到的實(shí)際工程數(shù)據(jù)主要用于現(xiàn)有參數(shù)指標(biāo)尋優(yōu)。此外，影響研磨破碎能耗的因素眾多，爆破參數(shù)作為始端輸入因素與其他環(huán)節(jié)可能存在的影響因素之間的主次關(guān)系還有待進(jìn)一步研究。對(duì)爆破參數(shù)與能耗指標(biāo)的進(jìn)一步預(yù)測還有待更多數(shù)據(jù)樣本的獲取和指標(biāo)模型的進(jìn)一步完善。