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。     

爆破振动特征参量的粗糙集模糊神经网络预测

摘 要 爆破振动特征参量对爆破振动危害效应有重要影响。首次用粗糙集模糊神经网络方法对振幅、主频率及主频持续时间进行预测。首先介绍了粗糙集模糊神经网络的基本思想,其次,分析了印象爆破振动特征参量的主要因素,建立了基于粗糙集模糊神经网络的爆破振动特征参量预测模型;最后用某边坡开挖爆破中的振动观测指标对模型进行了训练,并对15组指标进行了测试。结果表明：粗糙集模糊神经网络预测模型能反映了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。一次预测1个指标的精度高于同时预测3个指标的精度。     

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.     

爆破振动对露天矿山永久边坡稳定性的影响分析

为研究爆破振动对露天矿山永久边坡稳定性的影响，以卡莫亚-卡兹比兹矿群中的3个矿坑作为研究对象，对比爆破振动对于不同岩性边坡稳定性的影响。通过选择爆破测振仪并设置测振仪参数，通过振动监测得到测点的爆破振动速度，对爆破振动速度、最大一段起爆药量以及测点到爆源中心距离等数据进行整理，并按照乘幂函数进行回归分析，得出各矿爆破振动速度v与■的趋势线，进而得到对应矿坑的爆破振动公式，根据振动公式来预测爆破振动。为得出测点到爆源中心距离和最大一段起爆药量对边坡振动速度的影响大小，把距离与药量作为影响因子，把爆破振动速度作为因变量，并根据各矿拟合得出的爆破振动公式分别计算振动速度，制定九组实验方案；采用SPSS软件进行方差分析，得出测点到爆源中心距离这一因素对于爆破振动速度敏感性较高，对于矿坑边坡振动的影响较大；因此对于卡兹、东二软岩边坡，采取预留2～3排孔作为非爆破区域，采用机械挖掘修坡；对于南二中硬岩石边坡，采用提前进行预裂爆破来减弱爆破振动对边坡稳定性的影响。该研究成果对于刚果(金)其他相同地质条件的露天铜钴矿爆破施工有借鉴及应用的价值。     

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。     

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.     

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。     

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。     

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。     

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1.8991和1.9712,建立了基于PC...