爆破块度分布是衡量爆破质量的重要指标,合理的爆破块度对提高矿山后续生产效率和降低生产总成本都有着重要的意义。爆破过程中对爆破岩石块度的控制一直是露天矿山生产过程中的技术难题,由于爆破块度受多种因素的影响,而且它们之间很难用数学公式描述,在实际的矿山生产中往往根据经验设计爆破参数,使得爆破效果很难满足生产需求。神经网络是近几十年来涌现的新技术中的佼佼者,它在模式识别、信号处理、自动控制、辅助决策中的都有卓越的性能,神经网络所具有的强大非线性能力,以及自学习和自适应能力、泛化和容错能力,使其对解决岩石爆破过程复杂,各影响因素对爆破效果难以用数学描述的问题,具有很强的可行性。本文结合宜春钽铌矿生产实际,针对其在工业生产中存在的爆破后岩石大块率偏高、大块体积偏大、粉矿过多的问题,从影响岩体爆破块度的因素入手,对影响爆破效果的主要因素：如孔径、孔深、超深、底盘抵抗线、孔距、排距、堵塞长度和单位炸药消耗量等主要因素经行了分析,然后引入神经网络理论,把影响爆破块度分布的爆破参数和爆后块度分布分别作为网络的输入、输出层建立了一个三层神经网络预测模型,选取了对爆破效果的12个主要影响因素作为输入层的节点,4种不同的大小岩石分布块度作为输出层节点,并通过尝试当隐藏层节点数为16时,网络预测模型的误差最小。把测试样本数据输入预测网络模型,检测网络模型的预测能力,通过对比网络预测的输出值和实际值,发现网络能够满足精度要求,说明该爆破模型能够对对矿山爆破实践具有一定的指导意义和参考价值。最后,通过优化爆破参数,对矿山经行了一次爆破试验,取得了很好的爆破效果。