基于SMA算法优化随机森林的PPV预测模型

作者：邓红卫; 罗亮

来源：黄金科学技术, 2023, 31(04): 624-634.

• 露天爆破
• 爆破振动速度峰值
• 随机森林算法
• 黏菌算法
• 预测精度

爆破振动速度峰值(Peak Particle Velocity,PPV)的准确预测是有效控制爆破工程振动危害的前提。为了提高爆破振动速度峰值的预测精度，提出将黏菌算法(Slime Mould Algorithm,SMA)对随机森林(Random Forest,RF)中的树的个数和最小叶子点数2个超参数进行优化。以某露天爆破工程实例中收集的具有4个输入参数(最小抵抗线r、高差H、最大段药量Qmax、水平距离W)和1个输出参数(PPV)的23个样本的数据集为依据，将4种参数组合(Qmax-H-W-r、Qmax-H-r、Qmax-W-r、Qmax-r)作为随机森林算法中的输入参数，确定最优的参数组合。随后对SMA-RF模型、未优化RF模型和国内外常用的6组经验公式的预测结果进行比较，结果表明SMA-RF模型取得了最优的预测效果，因此在工程实践中推荐使用SMA-RF模型预测爆破振动速度峰值。