为了对岩石爆破破碎块度进行有效预测,设计开展了混凝土试件钻孔爆破试验,得到不同试验条件下的破碎块度归一化值分布,最终选取试块尺寸40 mm以上进行研究。采用Spearman相关系数分析各试验条件参数之间的相关性,再采用蚁群算法(ACO)优化BP神经网络的初始权值和阈值,构建ACO-BP模型。结合现场试块爆破破碎块度数据对模型进行了训练和测试,并将预测模型与BP神经网络模型、随机森林(RF)模型、极限梯度提升(XGboost)模型进行了对比。结果表明,ACO-BP模型预测爆破块度均方根误差为0.13,平均绝对误差为0.11,决定系数为0.92,预测精度和适用性更高,能够更准确地预测岩石爆破破碎块度。