共查询到16条相似文献,搜索用时 562 毫秒
1.
神经网络模型在台阶爆破块度预测中的应用 总被引:4,自引:0,他引:4
爆破块度的预测是一项比较复杂的课题。鉴于以往预测爆破块度的方法存在着某些不足,本文在神经网络理论的基础上,建立了爆破块度预测的神经网络模型,并在台阶爆破中应用。通过网络模型与R—R分布式和G—G—S经验模型的比较,验证了利用神经网络模型预测爆破块度的可靠性。 相似文献
2.
首先将BP神经网络模型引入爆破飞石距离的预测研究,以最小抵抗线、炸药单耗、单孔最大药量作为影响爆破飞石最大距离的主要因素,建立了爆破飞石预测的BP神经网络模型,然后以某露天矿山深孔台阶松动爆破为例,利用爆破施工过程中收集的原始资料和爆破飞石监测数据,对建立的BP神经网络模型进行了训练,最后应用经训练的BP神经网络模型对爆破飞石距离进行了预测.与实测值比较后发现,BP网络模型的预报结果非常接近实测值,能够满足工程实践的要求,是一种有效的预测爆破飞石最大距离的方法. 相似文献
3.
《工程爆破》2022,(2)
目前桩孔开挖主要依靠工程类比进行,不同设计者设计的爆破参数往往因掌握的爆破理论和经验的不同而有所差异,爆破质量参差不齐。为此,提出基于遗传算法GA改进BP神经网络(GA-BP)建立爆破参数优化设计模型,该法不仅可以利用已有爆破经验数据和工程地质条件,同时,使用遗传算法优化BP神经网络阈值和权值可以弥补BP神经网络不稳定的缺陷,以达到获得更优爆破参数的目的。实践表明,基于遗传算法改进BP神经网络相比一般BP神经网络预测相对误差较小,同时GA-BP神经网络得到的优化爆破参数进行现场试验,取得了良好的爆破效果。因此,GA-BP神经网络模型应用于抗滑桩孔开挖爆破参数设计是可行的,可用于指导爆破施工。 相似文献
4.
目前桩孔开挖主要依靠工程类比进行,不同设计者设计的爆破参数往往因掌握的爆破理论和经验的不同而有所差异,爆破质量参差不齐。为此,提出基于遗传算法GA改进BP神经网络(GA-BP)建立爆破参数优化设计模型,该法不仅可以利用已有爆破经验数据和工程地质条件,同时,使用遗传算法优化BP神经网络阈值和权值可以弥补BP神经网络不稳定的缺陷,以达到获得更优爆破参数的目的。实践表明,基于遗传算法改进BP神经网络相比一般BP神经网络预测相对误差较小,同时GA-BP神经网络得到的优化爆破参数进行现场试验,取得了良好的爆破效果。因此,GA-BP神经网络模型应用于抗滑桩孔开挖爆破参数设计是可行的,可用于指导爆破施工。 相似文献
6.
7.
8.
9.
10.
岩体爆破参数设计的神经网络模型 总被引:7,自引:1,他引:6
应用神经网络系统建立了岩石爆破块度级配要求及岩性等参数与爆破设计参数之间的神经网络模型,利用此模型可以根据开采块度级配要求确定爆破施工参数.仿真结果表明,该网络模型具有很好的应用价值. 相似文献
11.
12.
13.
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。 相似文献
14.
15.
针对现有爆破块度预测模型存在的不足,应用神经网络理论,研究了具体矿岩条件下的扇形中深孔爆破块度预测的神经网络方法.构建了三层前馈型神经网络结构,并根据扇形中深孔爆破实例,采用BP 算法对网络进行了训练,建立了具体矿岩条件下的扇形中深孔爆破块度分布与其影响因素间的非线性映射关系.采用测试样本对模型进行了测试,结果表明,所建立的模型用于扇形中深孔爆破块度的预测是可行的,模型精度是可靠的. 相似文献
16.
神经网络方法是处理非线性问题的有力工具,但当输入变量较多,输入变量间存在的多重共线性性会使得网络的建模效率下降。偏最小二乘回归方法通过提取对因变量解释性较强的成分,能较好地克服变量间的多重共线性。将两种方法相结合,建立了爆破振动峰值速度的偏最小二乘回归BP神经网络预测模型。利用偏最小二乘法对影响爆破振动的因素进行分析,提取出3个新综合变量,使BP网络的输入层节点数目由9个减少到3个,简化了网络结构,提高了计算速度,增强了网络稳定性。分析结果表明,耦合模型的平均预测误差为7.62%,相较于传统的萨氏公式及标准的BP神经网络模型其预测精度有了明显提高。 相似文献