随着爆破技术的广泛应用，人们越来越关注爆破对周围环境和建筑物的影响，特别对爆破震动的危害十分重视。爆破震动影响程度一般用爆破震动强度来表示，通常采用介质质点的运动物理量来描述，目前国内外很多学者都认为爆破震动峰值速度描述震动强度具有较好的代表性，它和岩体稳定性有较统一的对应关系。本文采用爆破震动峰值速度来描述爆破震动强度，通过传统方法和神经网络方法研究爆破震动强度预测模型。并对两种模型进行对比研究，得出更切合实际的爆破震动强度预测模型。 本文首先根据武九线盛洪卿隧道泄水洞及支洞开挖爆破工程情况和工程地质条件，系统地研究并提出了开挖爆破震动在相邻既有隧道的测试方案。文章论述了测试方案的设计，包括测试量选用、爆破监测内容和测试设备选用及测试中应注意的技术问题，并对测试结果进行了分析处理。 然后根据测试结果采用回归分析方法分析计算了萨道夫斯基经验公式中的K、α值，建立了隧洞开挖爆破在相邻既有隧道震动强度预测模型，并进行了相应的分析。 接着本文采用灰色理论研究了爆破震动强度的影响因素。爆破地震效应是个很复杂的现象。它与爆源、传播介质、工程地质、地形条件等因素密切相关，它们之间还无法得出一定的对应关系，而且要研究所有这些关系是不可能的，也是不必要的。只要研究出其中的主要影响因素，我们就可以有效的控制爆破震动的影响。因此，本文采用灰关联分析方法来研究盛洪卿隧道泄水洞及支洞的爆破震动影响因素，从而得出盛洪卿隧道泄水洞及支洞爆破施工中影响震动强度的主要因素，并以此作为 BP 神经网络震动强度预测模型的主要输入参数。 由于爆破震动产生机理的复杂性和认识问题的困难性，人们很难建立较完善的定量计算模型，只能利用检测到的数据进行总结、分析和推理。相对于传统的预测方法，神经网络方法在处理这方面问题中有着独特的优势，主要体现在：容错能力强、预测或识别速度快、避开了特征因素与判别目标的复杂关系描述，特别是公式的表述。基于此，本文在分析BP神经网络法原理和建立BP神经网络的过程的基础上，结合爆破震动强度影响因素的灰关联分析结果，确定了BP神经网络震动强度预测模型的参数和结构，并以此建立了6个BP神经网络震动强度预测模型。然后采用实测数据对已建的网络进行训练、优化和检验，从而得出BP神经网络震动强度预测模型。 最后，本文通过对基于回归分析方法和基于BP神经网络方法建立的爆破震动强度预测模型的对比研究，得出如下结论： (1)采用萨道夫斯基经验公式进行预测分析，其计算因子为爆破炸药用量、爆心距、场地条件系数、地质条件系数。它考虑爆破震动主要影响因素为炸药用量和爆心距，但在有些条件下爆破其他参数也可能对爆破震动强度产生不容忽视的重要影响，比如爆破自由面条件。这些因素可能会增加采用经验公式计算的误差。BP神经网络模型主要通过分析数据样本，找出数据之间的内在关系并记忆和学习，采用各种学习算法进行网络训练，建立网络模型。它能更准确的反映数据的内在关系，预测也就更准确。 (2)采用回归分析方法建立的震动强度预测模型预测误差≤21.7％，平均为10％：采用BP神经网络方法建立的震动强度预测模型预测误差≤19％，平均为4.7％。通过预测误差比较分析可以得出，BP神经网络方法预测更加准确，而且更加稳定。 因此，推荐盛洪卿隧道泄水洞及支洞爆破震动强度预测模型采用3-9-1结构BP神经网络预测模型。