共查询到10条相似文献,搜索用时 31 毫秒
1.
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
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.
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
5.
为了更精确地对矿岩可爆性进行预测分级,对BP神经网络评价方法进行优化,建立了主成分分析法和改进BP神经网络相结合的矿岩可爆性分级评价模型。以具体矿山为例,考虑影响矿岩可爆性的10项评判指标,统计15个实际矿山的样本数据。利用SPSS软件对样本数据进行主成分分析,将输出结果作为改进BP神经网络的输入因子,矿岩的爆破等级作为输出因子,得到的分级预测结果更加准确且精度更高。结果表明:该模型对矿岩可爆性分级的相对误差都控制在6%以内,与未经主成分分析的BP神经网络预测误差相比,预测精度显著提高。该组合预测模型为矿岩的可爆性分级提供了一种更加完善的评价体系。 相似文献
6.
7.
8.
9.
分析了Ⅴ型起爆技术在某露天铁矿深孔爆破开采中的应用.为了满足该露天铁矿对大块率、爆破震动等的要求,在该露天铁矿爆破参数的基础上,通过不断优化爆破参数,采用Kuznetsov平均矿岩块度预测数模和Rosin-Rammler矿岩块度分布数模,分析Ⅴ型起爆技术对降低大块率的作用.经过理论计算,该露天铁矿爆破大块率在3.47%左右,且块度均匀性指标β在1.63左右,说明均匀性较好,根据萨道夫斯基爆破震动速度经验计算公式分析爆破震动临界条件,计算得到最大段单响药量不能超过650 kg.长期以来,该露天铁矿不断优化爆破参数,通过选用Ⅴ型起爆技术,大块率明显下降,有效控制了爆破震动. 相似文献