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.     

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。     

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。     

基于神经网络的预裂爆破参数智能设计

预裂爆破具有减振和保护岩体等特点,在爆破工程中得到了广泛运用。通过分析认为预裂爆破成缝理论和成缝计算模型均不完善,同时岩石成缝与岩石性质、地质条件、装药量、孔间距等多种因素有关。目前为止,预裂爆破的设计主要依靠经验公式。运用人工神经网络综合方法,建立了预裂爆破参数设计的BP神经网络模型,并借助Matlab语言,开发了预裂爆破参数优化设计智能系统,且用工程实例进行了验证。结果表明,该智能系统设计参数与实际设计参数相当符合。     

爆破震动速度峰值预测模型的比较和讨论

传统的爆破震动峰值质点速度(PPV)预测公式已不能适应现代爆破安全的要求。基于人工神经网络(ANN)原理,建立了结构为2-5-1的BP神经网络预测模型,以青藏铁路关角隧道爆破震动测试数据为样本,对人工神经网络模型和几种传统公式的爆破震动速度预测结果进行比较。通过对实测结果与预测结果相关性系数(COD)、平均绝对误差(MAE)和相对误差(RE)的分析,表明:在传统预测模型中USBM预测公式精度最高,而人工神经网络模型较传统模型更接近实际值。     

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。     

布沼坝露天矿爆破效果预测BP神经网络模型应用

针对布沼坝露天矿西帮抢险治理工程,进行了35次生产爆破试验,完成了爆破参数的初步优化。同时以孔距、排距、孔深和抵抗线等作为模型的输入因子,大块率、爆堆的前冲距离、爆堆的后冲距离和挖掘机的铲装速率等作为模型的输出因子,以现场爆破试验数据为训练样本,建立爆破效果预测的BP神经网络模型。通过对网络仿真结果和现场实测数据进行比较分析,表明BP神经网络模型能够比较准确地预测出布沼坝露天矿西帮治理工程的爆破效果。     

起爆形式对线性成型装药射流形成的影响

以工程中常用的柔性切割器为研究对象,在不考虑端部效应的前提下对三种起爆方式下线性成型装药射流形成差异进行了理论和数值模拟分析,得出了不同起爆方式下射流头部速度的大小关系、射流内部速度的分布规律。在此基础上进一步提出了三种起爆方式下线性成型装药切割目标的恰当的数值模拟方法。     

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。     

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。     

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。