露天矿爆破振动峰值是评价爆破效果的主要指标。在露天矿煤岩互层爆破场景下，针对现有的爆破振动峰值预测方法难以达到理想的预测结果，导致爆破参数、起爆网络设计不合理等问题，提出了一种灰色关联度特征选取下基于集成粒子群优化支持向量机算法（GRA-EPSO-SVM）的爆破振动速度峰值预测模型。以元宝山露天煤矿不同赋存条件下的煤岩爆破为背景，选取孔距、排距、孔深、单段最大装药量、最小抵抗线、爆心距、高程差、质点振速峰值作为输入参数，采用灰色关联分析法(GRA)过滤影响爆破振动速度峰值的冗余因素（孔深、单段最大装药量、最小抵抗线、质点振速峰值）；运用集成粒子群算法（EPSO）优化SVM算法的关键参数C和g，将参数输入到GRA-EPSO-SVM模型中进行评估。结果表明：GRA-EPSO-SVM组合算法对比改进的萨道夫斯基公式、SVM的预测值和实际值更为吻合，平均误差分别降低15.3%和106.8%，预测结果的精度更高，更能有效预测露天矿煤岩互层爆破振动峰值，为露天矿开采爆破施工安全控制提供帮助。

0引言
1 基于灰色关联度与集成粒子算法优化支持向量机的理论
1.1 灰色关联度分析(GRA)
1.2 集成粒子群算法(EPSO)
1.3 支持向量机
1.4 优化支持向量机预测爆破振动峰值模型的建立
2 工程概况和数据收集
2.1 工程概况
2.2 爆破振动监测
3 基于GRA-ESPO-SVM预测振动峰值
3.1 预测结果
3.2 算例验证
3.3 减振及预测分析
4 结论

张鹏飞,袁永,何运华,等.基于GRA-EPSO-SVM模型的露天矿山爆破振动速度预测研究[J/OL].煤炭科学技术,1-17[2024-09-06].http://kns.cnki.net/kcms/detail/11.2402.TD.20240906.1417.002.html.