1.一种基于随机GA-BP神经网络群的爆破块度预测方法，其特征在于，包括： 获取待爆破地区的爆破参数； 基于所述爆破参数提取得到爆破特征数据； 依据所述爆破特征数据和预设的随机GA-BP神经网络群爆破块度预测模型，预测待爆破地区的爆破平均块度；其中，所述预设的随机GA-BP神经网络群爆破块度预测模型为通过已爆破地区历史爆破数据对随机GA-BP神经网络群进行训练后得到。 2.根据权利要求1所述的基于随机GA-BP神经网络群的爆破块度预测方法，其特征在于，所述预设的随机GA-BP神经网络群爆破块度预测模型为通过已爆破地区历史爆破数据对随机GA-BP神经网络群进行训练后得到，具体包括： 获取已爆破地区历史爆破数据中的爆破参数及爆破平均块度； 基于已爆破地区的所述爆破参数提取得到已爆破地区的爆破特征数据，然后基于已爆破地区的爆破特征数据及其对应的爆破平均块度构建爆破样本集； 通过随机有放回的抽样方法从所述爆破样本集中抽取N组子训练集及对应的子测试集，N为预设值； 以爆破特征数据为输入，以对应的爆破平均块度为输出，用N组子训练集分别对GA-BP神经网络进行训练，得到N个GA-BP神经网络爆破块度预测模型；其中，每训练得到一个GA-BP神经网络爆破块度预测模型，均使用对应的子测试集对该GA-BP神经网络爆破块度预测模型分别进行检验；若该GA-BP神经网络爆破块度预测模型的预测误差超过预设值，则重新随机从所述爆破样本集中抽取一组子训练集及对应的子测试集，利用该组子训练集建立一个GA-BP神经网络爆破块度预测模型，并使用对应的子测试集对其进行检验，直到得到的GA-BP神经网络爆破块度预测模型的预测误差未超过预设值； 根据N个GA-BP神经网络爆破块度预测模型各自的预测误差计算其各自对应的权重，基于N个GA-BP神经网络爆破块度预测模型建立随机GA-BP神经网络群爆破块度预测模型，该随机GA-BP神经网络群爆破块度预测模型输出的爆破平均块度预测值为N个GA-BP神经网络爆破块度预测模型各自的输出与其对应的权重的乘积之和。 3.根据权利要求2所述的基于随机GA-BP神经网络群的爆破块度预测方法，其特征在于，所述GA-BP神经网络为通过遗传算法对BP神经网络进行优化后得到，具体包括： A1、随机生成多组BP神经网络的权值和阈值，并对权值和阈值进行编码； A2、对多组权值和阈值分别进行适应度评价； A3、若存在一组或多组权值和阈值对应的评价结果达到要求，即BP神经网络输出层输出的爆破块度预测值的误差在预设范围内，则选择BP神经网络输出层输出的爆破块度预测值误差最小的所对应的一组权值和阈值作为最优权值和最优阈值，将最优权值和最优阈值作为BP神经网络的权值和阈值，得到GA-BP神经网络；若没有一组权值和阈值对应的评价结果达到要求，则对多组权值和阈值进行选择、交叉、变异，产生新的多组权值和阈值，并返回步骤A2。 4.根据权利要求2所述的基于随机GA-BP神经网络群的爆破块度预测方法，其特征在于，所述基于已爆破地区的所述爆破参数提取得到已爆破地区的爆破特征数据之后还包括：对得到的爆破特征数据及对爆破平均块度进行标准化预处理。 5.根据权利要求1至4任一项所述的基于随机GA-BP神经网络群的爆破块度预测方法，其特征在于，所述爆破参数包括抵抗线、孔间间距、台阶高度、堵塞长度、炮孔直径、炸药单耗、岩石弹性模量及原位岩石块度；基于所述爆破参数提取得到的爆破特征数据包括台阶高度与抵抗线比、孔间间距与抵抗线比、抵抗线与炮孔直径比、堵塞长度与抵抗线比、炸药单耗、原位岩石块度及岩石弹性模量。 6.一种基于随机GA-BP神经网络群的爆破块度预测装置，其特征在于，包括： 第一数据获取模块，用于获取待爆破地区的爆破参数； 第一数据提取模块，用于基于所述爆破参数提取得到爆破特征数据； 爆破平均块度预测模块，用于依据所述爆破特征数据和预设的随机GA-BP神经网络群爆破块度预测模型，预测待爆破地区的爆破平均块度；其中，所述预设的随机GA-BP神经网络群爆破块度预测模型为通过已爆破地区历史爆破数据对随机GA-BP神经网络群进行训练后得到。 7.根据权利要求6所述的基于随机GA-BP神经网络群的爆破块度预测装置，其特征在于，还包括： 第二数据获取模块，用于获取已爆破地区历史爆破数据中的爆破参数及爆破平均块度； 第二数据提取模块，用于基于已爆破地区的所述爆破参数提取得到已爆破地区的爆破特征数据，然后基于已爆破地区的爆破特征数据及其对应的爆破平均块度构建爆破样本集； 随机GA-BP神经网络群爆破块度预测模型生成模块，用于生成随机GA-BP神经网络群爆破块度预测模型，其包括： 抽样单元，用于通过随机有放回的抽样方法从所述爆破样本集中抽取N组子训练集及对应的子测试集，N为预设值； GA-BP神经网络爆破块度预测模型生成单元，用于以爆破特征数据为输入，以对应的爆破平均块度为输出，用N组子训练集分别对GA-BP神经网络进行训练，得到N个GA-BP神经网络爆破块度预测模型；其中，每训练得到一个GA-BP神经网络爆破块度预测模型，均使用对应的子测试集对该GA-BP神经网络爆破块度预测模型分别进行检验；若该GA-BP神经网络爆破块度预测模型的预测误差超过预设值，则重新随机从所述爆破样本集中抽取一组子训练集及对应的子测试集，利用该组子训练集建立一个GA-BP神经网络爆破块度预测模型，并使用对应的子测试集对其进行检验，直到得到的GA-BP神经网络爆破块度预测模型的预测误差未超过预设值； 随机GA-BP神经网络群爆破块度预测模型生成单元，用于根据N个GA-BP神经网络爆破块度预测模型各自的预测误差计算其各自对应的权重，基于N个GA-BP神经网络爆破块度预测模型建立随机GA-BP神经网络群爆破块度预测模型，该随机GA-BP神经网络群爆破块度预测模型输出的爆破平均块度预测值为N个GA-BP神经网络爆破块度预测模型各自的输出与其对应的权重的乘积之和。 8.根据权利要求7所述的基于随机GA-BP神经网络群的爆破块度预测装置，其特征在于，所述GA-BP神经网络爆破块度预测模型生成单元包括： GA-BP神经网络生成子单元，用于通过遗传算法对BP神经网络进行优化，得到GA-BP神经网络，优化具体过程包括： B1、随机生成多组BP神经网络的权值和阈值，并对权值和阈值进行编码； B2、对多组权值和阈值分别进行适应度评价； B3、若存在一组或多组权值和阈值对应的评价结果达到要求，即BP神经网络输出层输出的爆破块度预测值的误差在预设范围内，则选择BP神经网络输出层输出的爆破块度预测值误差最小的所对应的一组权值和阈值作为最优权值和最优阈值，将最优权值和最优阈值作为BP神经网络的权值和阈值，得到GA-BP神经网络；若没有一组权值和阈值对应的评价结果达到要求，则对多组权值和阈值进行选择、交叉、变异，产生新的多组权值和阈值，并返回步骤B2； GA-BP神经网络爆破块度预测模型生成子单元，用于以爆破特征数据为输入，以对应的爆破平均块度为输出，用N组子训练集分别对GA-BP神经网络进行训练，建立N个GA-BP神经网络爆破块度预测模型。 9.根据权利要求6至8任一项所述的基于随机GA-BP神经网络群的爆破块度预测装置，其特征在于，所述爆破参数包括抵抗线、孔间间距、台阶高度、堵塞长度、炮孔直径、炸药单耗、岩石弹性模量及原位岩石块度；基于所述爆破参数提取得到的爆破特征数据包括台阶高度与抵抗线比、孔间间距与抵抗线比、抵抗线与炮孔直径比、堵塞长度与抵抗线比、炸药单耗、原位岩石块度及岩石弹性模量。 10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序指令，所述程序指令适于处理器加载并执行如权利要求1至5任一项所述的基于随机GA-BP神经网络群的爆破块度预测方法。
