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。     

考虑密集系数的台阶松动爆破振动速度预测模型

为提高台阶松动爆破振动峰值速度的预测精度，减少由爆破振动引起的次生灾害事故，通过分析两种具有代表性的爆破振动峰值速度预测模型存在的不足，利用能量守恒定律分析了密集系数对爆破振动速度衰减的影响，基于量纲理论推导出考虑密集系数的多元非线性爆破振动速度预测模型，并结合具体实际工程，对监测数据进行非线性回归分析。结果表明：考虑密集系数的爆破振动速度预测模型相较于两种经典预测模型其预测精度提高了9.99%和4.16%,具有更高的预测精度，同时可为爆破工程设计提供指导，达到防控振动灾害的目的，为类似工程提供参考与借鉴。     

复杂环境下爆破振动速度预测模型分析

为了预测及分析邕宁水利枢纽工程爆破振动的传播与衰减规律,进而控制爆破所带来的危害,减小负面影响,采用爆破振动测试仪在现场布置了4个监测点,对爆破振动速度进行实测。由于传统的萨道夫斯基模型预测地形变化较大的爆破振动速度的精确度较低,因此根据实测数据和前人改进的2种预测模型,通过回归分析,将以萨道夫斯基模型为主、考虑髙程和岩体累计损伤的爆破振动速度预测模型进行变换,得到现场实验条件下的3组回归公式。同时,比较分析了实测爆破振动峰值速度与不同预测模型得到的爆破振动峰值速度。结果表明:髙程及岩体损伤对爆破振动效应具有较大的影响,改进后的爆破振动速度预测模型的精确度较高,能较好地反映该区域爆破振动传播与衰减规律。     

考虑岩体抗拉强度的爆破振动速度衰减多元非线性模型

为了准确地预测爆破振动速度峰值,减少爆破振动灾害事故的发生,分析了两种典型的爆破振动速度峰值预测公式的不足。在此基础上,探讨城市深孔爆破中振动速度衰减与岩体抗拉强度在群孔效应条件下的关系。通过分析爆破振动速度衰减的影响因素,提取8个主要因素的量纲,由量纲理论推导出考虑岩体抗拉强度的爆破振动速度衰减多元非线性数学模型,并结合具体工程监测数据,使用1st0pt软件进行了非线性回归分析。研究表明:推导出的改进萨道夫斯基(萨氏)公式在3个场地预测值的平均相对误差分别为2.81%、10.56%、4.42%,均低于传统预测公式的平均相对误差,验证了所推导数学模型的正确性。可为爆破振动灾害防治研究提供参考。     

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.     

穿越古长城的隧道开挖爆破振动参数预测模型

以山西省某穿越古长城的高速公路隧道爆破开挖工程为实例,根据支持向量机学习原理,建立支持向量机预测模型,以孔径、孔深、孔距、排距、单段最大装药量、总装药量和爆源距作为模型的输入参数,分别预测质点的径向、切向和垂直方向的爆破峰值振动速度及频率,并将预测值与实测值进行对比,以检验模型的精确度。结果表明,支持向量机预测模型对爆破峰值振动速度与频率的预测具有收敛快、精度高等特点,平均误差分别为11.04%、10.16%。利用该模型可以较准确地对爆破振动参数进行预测,在后续的爆破施工作业中,结合预测结果可以更好地对古长城采取有效的保护措施。     

穿越古长城的隧道开挖爆破振动参数预测模型

以山西省某穿越古长城的高速公路隧道爆破开挖工程为实例,根据支持向量机学习原理,建立支持向量机预测模型,以孔径、孔深、孔距、排距、单段最大装药量、总装药量和爆源距作为模型的输入参数,分别预测质点的径向、切向和垂直方向的爆破峰值振动速度及频率,并将预测值与实测值进行对比,以检验模型的精确度。结果表明,支持向量机预测模型对爆破峰值振动速度与频率的预测具有收敛快、精度高等特点,平均误差分别为11.04%、10.16%。利用该模型可以较准确地对爆破振动参数进行预测,在后续的爆破施工作业中,结合预测结果可以更好地对古长城采取有效的保护措施。     

罗河铁矿井下爆破振动对地表环境影响的监测与预测

为了研究罗河铁矿井下爆破振动对地表建筑物的影响,根据该矿的地表环境、爆破参数和爆破振动安全允许标准,采用NUBOX-6016振动监测仪,TP3V-4.5三维速度传感器和BM View软件对地表振动速度和频率进行两次监测。第一次3个点布置在地表离爆点为600 m、650 m、700 m的地方;第二次2个点布置在地表措施井和村庄附近。通过径、切、垂向的监测数据计算出最大合速度为0.757 cm/s,振动频率在30 Hz左右,远小于爆破安全规程所允许范围,得出该矿的爆破振动对地表的建筑物没有破坏作用。根据萨道夫斯基经验公式,用一元回归分析计算出三维方向相应K、α值,得出了三个方向的爆破振动速度预测公式,利用该公式可对今后地表建筑物的安全性进行预测,且为条件类似矿山爆破安全生产提供指导。     

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.     

放马峪铁矿爆破振动预测分析

在密云县放马峪铁矿鞍子沟采场爆破振动现场监测数据的基础上,对大量的实测数据进行了最小二乘法线性回归分析,得到了在该铁矿现有的爆破条件下,任意质点在空间3个方向上爆破振动速度峰值的预测公式。对3个方向的预测公式进行误差比较分析后,发现质点垂直向最大振动速度并非是爆破振动破坏的唯一判别指标,据此提出了按距离分段选择最合适判别指标的方法,进一步提高了爆破振动预测结果的可靠性。     

基于PSO-LSSVM算法的地下储气库洞室群爆破振动预测

超大断面小净距地下储气库洞室群开挖爆破工程中涉及到众多的影响因素,传统人工智能方法难以对爆破峰值振动速度准确预测。为了提高预测精度,引入粒子群算法,对传统的最小二乘支持向量机模型(LS-SVM)进行优化并建立粒子群最小二乘支持向量机爆破峰值振动速度预测模型(PSO-LSSVM)。以某地下储气库洞室群开挖爆破工程为研究对象,应用PSO-LSSVM模型,将PSO-LSSVM模型与LS-SVM模型、萨道夫斯基经验公式的预测结果进行对比,得到三种预测的结果平均绝对相对误差分别为:5.50%、8.56%、23.45%。由此可见,PSO-LSSVM模型的预测结果与实测数据拟合度更高,精确度更满足工程需求,可为多因素作用下类似工程爆破峰值振动速度预测提供借鉴。     

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。     

基于人工智能方法的地下洞室群爆破振动速度预测

特大断面地下洞库爆破开挖工程中涉及到众多的影响因素,为了较准确地预测出爆破振动速度,引入支持向量机理论,建立最小二成支持向量机爆破振动速度预测模型(LS-SVM模型),该模型利用结构风险最小化来提高求解问题的速度和精度。采用该模型对某地下水封LPG洞库工程进行爆破振动速度预测,并与传统的萨道夫斯基回归公式模型(萨氏模型)和模糊神经网络模型(FNN模型)进行对比分析。分析结果表明:LS-SVM模型、FNN模型与萨氏模型的全局均方根相对误差RMSRE分别为4.68%、14.42%与19.33%;LS-SVM模型有14组数据满足预测模型泛化能力误差阀值(6%)的要求,而FNN模型与萨氏模型均不满足要求。因此LS-SVM模型在爆破振动速度预测中的预测性能和泛化能力均优于FNN模型及萨氏模型,可为多因素影响下类似工程爆破振动速度预测提供借鉴经验。     

水下爆破振动特征及衰减规律研究

针对传统质点峰值振动速度公式因没有考虑水体波动对爆破振动传播的影响导致预测结果精度较差的问题,以某核电站水下爆破实验为背景,分析了水下钻孔爆破时地面质点振动特征和水下爆破地震波的衰减规律。由现场实测爆破振动速度数据分析结果可知,水下爆破产生的地震波具有振幅小,衰减慢等特点,传统的质点峰值振动速度公式不适用于水下爆破振动传播的预测,鉴于此,对其进行修正。修正后的预测公式考虑水深比的影响,将拟合系数从0.45提高到0.92,由此可见,修正的预测公式能够更好地反映水下爆破振动衰减规律。由于爆破振动的频谱特征也是决定其灾害程度的重要因素,因此通过傅里叶变换,对比分析了水下爆破与露天爆破的频谱特征。结果表明,水下爆破具有明显的滤频效应,具有主频小,频带窄,能量小等特点。研究结果可为水下爆破灾害的有效控制提供依据。     

PCA-BP算法在地面爆破振动中的应用

为了更加准确地预测地面爆破的质点峰值振动速度,提出应用一种PCA-BP算法,该算法首先利用主成分分析对爆心距、高程差、总药量、炮孔深度、单段最大药量等地面爆破振动影响因素进行研究,然后结合BP神经网络算法对其爆破质点峰值振动速度进行预测。结果显示:利用PCA-BP算法的预测结果更接近工程实测值,平均相对误差为7.748%,远小于用传统萨道夫斯基经验公式进行预测的平均相对误差32.654%,说明将PCA-BP算法应用到爆破振动工作中是比较可行的,对评估地面振动危害有一定的指导意义。     

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。     

较大高程差迎波坡面爆破地震地形效应分析

针对较大高程差起伏地形高边坡爆破施工对周边环境的影响,开展了迎波坡面爆破地震地形效应研究.通过爆破振动测试与分析,得到了迎波坡面质点峰值振动速度萨氏经验公式.结合高程放大效应质点峰值振动速度经验公式,推导出了基于地形效应迎波坡面爆破地震预测模型,通过依托工程迎波坡面质点峰值振动速度预测分析,表明预测模型能较好地反映出地...     

较大高程差迎波坡面爆破地震地形效应分析

针对较大高程差起伏地形高边坡爆破施工对周边环境的影响,开展了迎波坡面爆破地震地形效应研究。通过爆破振动测试与分析,得到了迎波坡面质点峰值振动速度萨氏经验公式。结合高程放大效应质点峰值振动速度经验公式,推导出了基于地形效应迎波坡面爆破地震预测模型,通过依托工程迎波坡面质点峰值振动速度预测分析,表明预测模型能较好地反映出地形效应对爆破地震的影响;同时,研究指出由于爆破地震波传播路径与介质的复杂性以及波传播过程中的叠加干涉,对较大高程差起伏地形的质点峰值振速预测,以总药量参与计算更为精准。