神经网络模型在台阶爆破块度预测中的应用

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。     

基于BP神经网络模型的爆破飞石最大飞散距离预测研究

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.     

GA改进BP神经网络在抗滑桩孔爆破开挖中的应用

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。     

GA改进BP神经网络在抗滑桩孔爆破开挖中的应用

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。     

爆破优化的神经网络模型

文章在简要阐述了前馈多层神经网络及其反传算法一般原理的基础上,建立了露天矿爆破效果预测的人工神经网络模型,进而提出了基于神经网络的爆破参数分段优化模型。     

基于BP神经网络的高含水岩石爆破震动参数预报

运用现场试验震动监测得出水介质对高含水岩石爆破地震波传播规律的影响,再结合BP神经网络理论,将水介质纳入网络模型,建立爆破震动参数预报的BP神经网络模型。采用高含水岩石爆破现场监测数据对网络模型进行训练。把训练达到最优后的预报结果与实测结果作对比,发现BP神经网络模型预报参数与实测值较为接近。     

基于遗传算法的神经网络在爆破振动预测中的应用

针对BP神经网络对工程爆破振动的预测存在精度不够高的缺点,建立遗传算法优化神经网络的模型,并介绍了它的原理。最后通过爆破振动预测实例的介绍,应用MATLAB编程,将总装药量Q、测点与爆源的高差h、孔间微差时间t、最大药包距离L这4个参数作为模型参数,对爆破振动幅值v、振动主频f和振动持续时间T进行预测,得出基于遗传算法的神经网络预测的结果比BP神经网络更为精确,克服了BP神经网络的缺点。     

基于GA-BP神经网络矿岩爆破参数优选

针对BP神经网络方法用于矿岩爆破参数优选存在收敛速度慢、误差相对较高等问题,提出利用遗传算法优化的BP神经网络模型,用于矿岩爆破参数的智能优选.通过具体实例,对采用BP神经网络和改进后的GA-BP神经网络的算法进行对比实验,结果表明优化后的BP神经网络性能得到提高,优化后的爆破参数能取得更好的爆破效果.     

基于神经网络的台阶爆破参数优化设计

台阶爆破技术作为一种破碎岩石的方法,广泛应用于矿山、水利水电工程、交通工程、土建工程等领域,而由于爆破对象及爆破过程的复杂性和不确定性,很难用一套统一的计算公式来完成爆破设计.充分利用神经网络的特点,利用BP神经网络建立台阶爆破设计优化模型,将已有的成功实例输入模型,采用Maflab对模型训练,使模型的传递函数相关系数趋于最优,最后将模型应用于实际爆破工程,结果表明,该方法具有一定的实际应用价值和工程指导意义.     

岩体爆破参数设计的神经网络模型

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.     

堆石坝料开采爆破参数优化的神经网络法研究

探讨人工神经网络BP模型用于爆破参数优化的方法 ,结合最优目标函数 ,实现对堆石坝料开采爆破参数的优化。通过一个工程实例 ,简介了人工神经网络BP算法的基本原理、爆破参数优化网络模型的建立和求解。结果证明 ,这个优化模型是可行的。     

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。     

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。     

扇形中深孔爆破块度预测的神经网络法

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.     

偏最小二乘回归神经网络模型在爆破振动峰值速度预测中的应用

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。