煤炭工业是中国重要的基础能源支柱产业,矿山规模和产能保持着逐年平稳上升。其中,黑岱沟露天煤矿作为国内首个成功应用抛掷爆破-拉斗铲倒堆工艺技术的矿山,目前原煤产量最大的露天煤矿之一,更是不断追求着生产效率和效益的突破。抛掷爆破工程技术作为重要生产环节,需进行不断地优化升级。考虑到爆堆形态是评价抛掷爆破技术的关键因素,因此本论文围绕抛掷爆破爆堆形态的预测研究展开。第一,抛掷爆破涉及参数复杂,现场作业难以区分主要影响参数,缺乏对影响爆堆形态的关键参数具体分析和设计。因此,需要研究当前采区工作面要素、爆破设计参数、爆堆形态数据等关键影响参数或评价指标,分析论证安全参数值。同时评估爆区位置对爆堆形态的影响。第二,爆堆形态特征分析研究中,一方面需要大量的现场实验统计样本作为支撑,另一方面还需要对样本进行分类、筛选,以确保预测的准确性。然而由于数据量庞大,因此当前研究工作普遍存在着研究样本少、缺乏系统性样本筛选方法等问题。针对上述情况,收集整理数据库中爆堆样本,研究提出了标准化的爆堆形态分析、处理、回归方法,对大量样本的工作面形态特征及爆堆形态特征进行多次筛选;并提出样本集合的局部加权现行回归方法,在保留爆堆曲线局部细节特征的前提下,得到了具有普遍解释意义的典型爆堆曲线,为爆堆形态研究提供了快速的分析方法。第三,爆堆形态控制、预测分析中,实际常常直接使用平均有效抛掷率评估抛掷爆破方案,对当次作业中较优爆堆形态及其设计参数缺少关联性挖掘,忽视了形态数据对方案数值的反馈和优化。针对上述情况,研究选用三层可自适应误差下降调整权值的神经网络预测模型,以典型爆堆曲线形态参数、曲线对应爆破设计参数为输入、输出节点,通过Matlab训练建立爆堆样本数据映射关系。研究优化模型关键构造参数,缩小设计参数值的计算误差,确保新的爆破设计方案优化效果。研究表明,筛选分组后的不同台阶高度典型爆堆曲线,可对约77.8%的样本进行解释,并适用于倒堆平台搭建方案的预设计。同时,利用各参数建立的网络模型,预测效果误差在4.53%内,且利用典型爆堆曲线预测爆破参数,输出参数值与相似历史数据对比误差在6.56%内。本研究成果应用在黑岱沟露天煤矿,可改善抛掷爆破的爆堆形态及爆破效果,进而提高了拉斗铲生产效率。