城市隧道爆破振动速度峰值预测神经网络法应用

结合南京机场线地铁项目,进行了邻近隧道爆破开挖作用下既有隧道的爆破振动速度现场监测试验,应用BP神经网络,建立了既有隧道爆破振动速度的预测模型,并与多种经验公式预测进行了比较分析.结果表明:BP神经网络爆破振动速度预测数据与试验监测数据拟合较好,相比于经验公式预测,具有误差小、精度高的特点.研究成果可为邻近隧道爆破开挖作用下既有隧道爆破振动控制和新建隧道爆破开挖方案完善提供理论参考.     

隧洞开挖爆破振动监测与振速预测分析

根据盛洪卿隧道泄水洞开挖爆破施工实际情况,选定合适的爆破监测方案.结合现场监测数据,分别采用经验公式线性回归法和BP神经网络法对爆破振动速度进行预测并将2种预测结果进行了比较分析.结果表明,线性回归法对地质条件具有依赖性,而BP神经网络方法可以较全面地考虑爆破振动速度的多种影响因素,且具有误差小、精度高等特性,因而应用BP神经网络方法预测爆破振动速度是有效可行的.     

隧道爆破振动的BP神经网络预测及应用研究

以福厦高速公路扩建工程中的大帽山小净距大跨度隧道爆破开挖为背景,应用BP神经网络,建立了小净距隧道掘进爆破振动和速度峰值的预报模型,并成功地应用于该隧道进、出口段掘进爆破振动控制工程实践.分析比较结果表明,BP神经网络预报方法的预测结果与实测值的平均误差为7.16%～10.61%,较传统预报方法的预测精度提高20%以上.研究成果为小净距大跨度隧道爆破振动控制提供了新的预测方法,具有理论及实用参考价值.     

基于BP神经网络的爆破振速峰值预测

在分析爆破振动主要影响因素的基础上,建立了对爆破振动质点速度峰值进行预测的BP神经网络模型.将某露天铁矿的爆破振动监测数据分别与模型预测结果和应用传统经验公式进行预测的结果比较,发现由于每次爆破的地震波传播不同,直接应用萨氏公式的K、α值进行预测会引起较大误差,相比之下,BP网络模型的预测结果更为准确和可靠.     

爆破开挖附近地铁隧道振动监测数值分析

利用计算机数值模拟技术分析在既有地铁隧道附近进行隧道开挖时,使用掘进爆破对邻近地铁隧道的振动影响情况。通过计算爆破工作面距离地铁隧道不同位置的工况,得出地铁隧道截面各处的振动峰值速度,并与实际测量值进行比较分析,由此得到实际测点处速度峰值与地铁隧道内最大振动速度峰值的比值曲线和分布函数,从而对基于爆破振动安全阈值下的地铁隧道振动进行控制,对类似工程爆破振动监测可提供一定参考。     

爆破开挖附近地铁隧道振动监测数值分析

利用计算机数值模拟技术分析在既有地铁隧道附近进行隧道开挖时,使用掘进爆破对邻近地铁隧道的振动影响情况。通过计算爆破工作面距离地铁隧道不同位置的工况,得出地铁隧道截面各处的振动峰值速度,并与实际测量值进行比较分析,由此得到实际测点处速度峰值与地铁隧道内最大振动速度峰值的比值曲线和分布函数,从而对基于爆破振动安全阈值下的地铁隧道振动进行控制,对类似工程爆破振动监测可提供一定参考。     

露天转地下开采矿山边坡爆破振动速度预测

为合理控制露天转地下开采爆破振动效应,以大冶铁矿露天转地下开采中深孔爆破工程为实例,综合运用萨道夫斯基公式、考虑高程影响的爆破振动速度预测公式及人工BP神经网络方法,对边坡爆破振动速度进行预测研究,并与现场爆破振动监测结果进行了对比分析。研究结果表明:在存在高程影响的矿山边坡爆破振动速度预测过程中,采用三种预测方法对比发现,BP神经网络模型在爆破振动速度切向、径向、竖向三个方向的预测误差率均在6%以内;同时采用考虑高程影响的改进公式预测时在Z方向上具有较高的精确性,误差率仅为11.89%;而萨道夫斯基公式精确性相对最差。研究结果可用于预测及控制露天转地下开采矿山边坡爆破振动速度。     

基于BP神经网络的地下采场爆破振速预测

为降低矿石开采中爆破振动的危害并达到最佳爆破效果,以河北唐山某矿山地下采场－156 m阶段爆破开采为例,采集了爆破振动监测数据,运用BP神经网络与萨道夫斯基经验公式分别对爆破峰值振速进行预测。结果表明:BP神经网络平均误差为17.22%;萨氏公式平均误差为40.76%。BP神经网络预测地下采场爆破振速是可行的。     

爆破施工对邻近既有隧道的振动响应研究

针对新建隧道爆破施工影响邻近既有隧道结构的安全性和稳定性,以新建的衢宁铁路五都隧道为依托,采用LS-DYNA动力有限元程序建立小净距隧道爆破振动数值模型,分析既有隧道关键部位在受邻近爆破影响下的振动速度和应力;并结合现场监测数据,对新建隧道爆破施工中既有隧道结构的振动响应进行研究.研究结果表明:在合理的炸药当量下,既有隧道结构能承载爆破引起的有害振动;既有隧道在距离爆破点最近的断面振动速度达到峰值且衬砌中迎爆侧墙腰区域振动速度峰值和应力峰值最大.当爆破荷载达到破坏隧道衬砌混凝土破坏极限时,在动荷载作用下,破坏自墙腰部位起始,拱顶、拱脚和墙腰混凝土衬砌出现拉伸破坏,底板出现剪切破坏;在相同规模荷载作用下,既有隧道迎爆侧衬砌振动速度峰值与围岩级别呈正相关关系,对围岩薄弱的地区,应注意加强防护.     

浅埋隧道爆破施工对邻近水坝安全的影响分析

隧道开挖爆破振动对邻近建构筑物安全造成的影响不容忽视。以成贵高铁豆子湾浅埋隧道下穿既有水库段(近接水库坝体)施工为背景,通过对地表及坝体的现场振动监测,分析爆破地震波的振动特征及衰减规律,并采用水工规范振动控制标准对坝体振动安全进行分析。结果表明:受夹制作用和装药集中程度等因素影响,浅埋隧道掏槽爆破时振动最为强烈;控制掏槽孔装药量、合理的掏槽孔布置和装药结构是决定隧道开挖爆破震害的关键;隧道爆破施工时坝体顶部最大的振动速度仅为0.45 cm/s,远小于坝体允许爆破振动速度,故采用台阶法进行隧道开挖爆破施工可以确保坝体安全。     

黄岛LPG地下储库开挖爆破的振动效应研究

结合实测地表爆破振动速度数据,基于量纲分析理论,提出了考虑爆源埋深的爆破振动速度公式,对黄岛LPG地下储库开挖爆破的振动效应进行了研究。研究表明:对于地下储库开挖爆破,考虑爆源埋深的爆破振动速度公式比萨道夫斯基公式的预测精度更高,但当爆源埋深与爆心距的比值≥0.85时,可以使用萨道夫斯基公式来预测爆破振动速度;垂直向振动速度峰值较大,施工过程中应重点监测;爆破振动速度随爆源埋深的增加呈衰减趋势,不存在爆破振动速度的放大效应。研究结果可为后续的类似研究提供一定的参考。     

基于PCA-GA-SVM的露天矿爆破振动速度预测模型研究

露天矿爆破振动速度受很多因素的影响,传统的经验公式和单一的神经网络模型无法满足现代爆破安全的要求。为提高预测爆破振动速度的精度,利用主成分分析(PCA)提取4个影响爆破振动速度的主成分作为模型的输入变量;结合遗传算法(GA)寻优获得支持向量机(SVM)惩罚系数c和核函数参数g为1.899 1和1.971 2,建立了基于PCA-GA-SVM的露天矿爆破振动速度预测模型,并成功应用于现场爆破工程。结果表明:该模型的平均相对误差为14.60%,建模时间为3.12 s,均方误差为0.131 5,与BP神经网络、传统SVM和GA-SVM对比,此模型具有更快的收敛速度和更高的准确率,为多因素影响下爆破振动速度预测提供了一种新的方法。     

RBF神经网络在爆破振动强度预测中的应用

在介绍RBF神经网络基本思想的基础上,建立了爆破振动预测模型,用RBF神经网络方法对质点振幅、主振频率及振动持续时间进行预测。用阳泉煤矿主井爆破开挖工程中所监测到的振动数据对模型进行了训练,并对27组数据进行了预测,实测结果和模型预测结果的对比表明,RBF神经网络预测模型能反映影响因素与特征量之间的非线性关系,适用于爆破振动特征参量预测。     

基于爆破振动的岩质边坡损伤神经网络预测

岩石高边坡的爆破开挖会对保留岩体造成损伤,岩体损伤过大可能导致边坡失稳,需严格控制并准确确定开挖损伤深度,因此,提出一种快速精确的损伤深度预测方法。以白鹤滩水电站左岸834.0⁷70.0 m高程坝肩槽边坡爆破开挖为背景,利用六个开挖梯段的多高程、多爆心距爆破振动监测及损伤深度声波检测的数据,建立基于振动峰值的爆破损伤深度BP神经网络预测模型,对高边坡爆破损伤深度进行实时预测。该方法利用不同部位及不同爆心处的质点峰值振动峰值作为主回归变量,同时还考虑最大单响药量和岩体强度的影响。结果表明,当开挖区域坡体岩性相似且无长大软弱结构面发育时,运用神经网络模型及多高程实测爆破振动预测本梯段爆破损伤深度的方法简便可行,预测精度可满足实际工程需求。作为传统爆破损伤声波检测的补充,可大大减轻现场声波测试工作量。     

基于爆破振动的岩质边坡损伤神经网络预测

岩石高边坡的爆破开挖会对保留岩体造成损伤,岩体损伤过大可能导致边坡失稳,需严格控制并准确确定开挖损伤深度,因此,提出一种快速精确的损伤深度预测方法。以白鹤滩水电站左岸834.0~770.0 m高程坝肩槽边坡爆破开挖为背景,利用六个开挖梯段的多高程、多爆心距爆破振动监测及损伤深度声波检测的数据,建立基于振动峰值的爆破损伤深度BP神经网络预测模型,对高边坡爆破损伤深度进行实时预测。该方法利用不同部位及不同爆心处的质点峰值振动峰值作为主回归变量,同时还考虑最大单响药量和岩体强度的影响。结果表明,当开挖区域坡体岩性相似且无长大软弱结构面发育时,运用神经网络模型及多高程实测爆破振动预测本梯段爆破损伤深度的方法简便可行,预测精度可满足实际工程需求。作为传统爆破损伤声波检测的补充,可大大减轻现场声波测试工作量。     

路堑开挖爆破中邻近民房风险评价的网格支持向量机模型

应用支持向量机理论并结合路堑开挖爆破特点,提出路堑开挖爆破中临近民房安全性评价的支持向量机回归模型。考虑爆破参数、地质条件和民房结构状况因素,选取最小抵抗线、孔距、排距、炸药单耗和民房的自振周期等16个影响较大的因素作为该模型的输入参数,房屋安全等级系数作为模型输出,利用网格搜索寻优方法对支持向量机模型的参数进行了优化。以19组路堑开挖爆破实测数据作为学习样本进行训练,对另外3组待判样本进行判别,并与多元回归、BP神经网络回归和实测结果进行对比。研究结果表明:建立的支持向量机回归模型对路堑开挖爆破中临近民房安全性评价效果良好,具有较高的预测精度。     

地铁隧道爆破振动测试及时频特征分析

为确保某市地铁隧道安全、高效地爆破开挖,采用网络测振仪测试了隧道掘进爆破时周边建(构)筑物的爆破振速。基于频率切片小波变换开展时频特征分析,首先得到了测振信号的全频带时频分布特征,进而通过5个主成分频率切片区间更进一步精确提取了爆破振动信号时域、频域分布特征,并得到了相应频带内的爆破振动重构分量。实测数据时频特征分析表明,频率切片小波变换具备独特的信号分析优势,适用于地铁爆破振动信号时频特征提取;此次地铁隧道钻爆法开挖产生的质点峰值振速在0.07～0.85 cm/s之间,主频在13.3～68.9 Hz之间,爆破振速处于《爆破安全规程》规定的安全阈值范围内,爆破方案基本合理。     

路堑开挖爆破中邻近民房风险评价的网格支持向量机模型

应用支持向量机理论并结合路堑开挖爆破特点,提出路堑开挖爆破中临近民房安全性评价的支持向量机回归模型。考虑爆破参数、地质条件和民房结构状况因素,选取最小抵抗线、孔距、排距、炸药单耗和民房的自振周期等16个影响较大的因素作为该模型的输入参数,房屋安全等级系数作为模型输出,利用网格搜索寻优方法对支持向量机模型的参数进行了优化。以19组路堑开挖爆破实测数据作为学习样本进行训练,对另外3组待判样本进行判别,并与多元回归、BP神经网络回归和实测结果进行对比。研究结果表明:建立的支持向量机回归模型对路堑开挖爆破中临近民房安全性评价效果良好,具有较高的预测精度。     

大断面黄土隧道近距离爆破控制效果分析

为防止超大断面黄土隧道开挖爆破对既有隧道中人、车通行安全的影响,提出合理的爆破施工参数及控制技术。新建二庄科隧道工程,其最大开挖断面达到136.08 m²,存在断面大、周边环境复杂、对爆破施工技术要求高等技术难点。综合考虑现场条件及工程经验,对双侧壁导坑法光面爆破施工技术进行详细设计,通过以大化小、优化施工工序、细化爆破施工参数、加固既有隧道衬砌结构等方法,有效地避免了爆破振动对既有隧道的影响,既有隧道迎爆侧振速峰值仅为4.20 cm/s,远小于规范允许值,且爆破效果也满足光面爆破质量控制要求,从而确保了大断面隧道施工安全及既有隧道的通行安全。因此,该隧道爆破控制技术及参数可为类似大断面隧道爆破施工控制提供参考。