BP神经网络在煤矿爆破振动强度预测中的应用

根据BP神经网络理论,对煤矿主斜井爆破开挖产生的振动强度进行了预测。通过建立合理的网络预测模型,以影响爆破振动特征参量的主要因素作为模型的输入,在模型误差小于0.001的前提下,对21组数据进行了重点预测。参量预测误差均小于10%,可以满足该复杂场地条件下安全施工的预测要求。     

BP神经网络在爆破振动中的研究与应用

为准确地预测爆破结果、减少爆破振动对建筑的损伤和保障工人的安全,利用具有处理非线性问题能力的BP神经网络预测爆破结果。选取合格的爆破结果作为网络模型的学习样本,经过一定次数的训练学习后通过神经网络的前馈特性确定各层阈值和误差,完成对BP神经网络的建立,发现预测结果与真实结果相比的误差在10%以内。再结合PAC算法、POS算法或者MATLAB软件等优化网络后甚至可以将误差控制在5%以内。通过建立BP神经网络预测可以减少爆破作业带来的危害,降低安全成本,指导爆破作业的施工。     

基于BP神经网络的爆破振速峰值预报

以司家营铁矿露天矿爆破振动的实测数据为基础,运用BP神经网络原理,以孔数、最大单孔药量、总药量、高程差和爆源距作为影响爆破振动速度的主要因素,建立BP神经网络模型,对质点爆破振动速度峰值进行预测。结果表明:BP神经网络模型的预测精确度明显高于传统的萨道夫斯基公式,对工程实践具有较好的指导性。     

矿山预裂爆破效果预测的BP神经网络法

为简化矿山预裂爆破效果预测环节、提高预测精准度，针对传统预裂爆破效果评价注重预裂坡面成型的不足，考虑到露天矿山边坡时常受到爆破破岩振动等动态荷载影响的特点，结合BP神经网络，提出了既考虑坡面成型标准又顾及爆破振动对边坡影响的矿山预裂效果预测方法。将单孔装药量、平均孔深、孔距、振动速度峰值（水平、垂直）、振动主频（水平、垂直）、爆心距等参数作为神经网络输入参数，将预裂坡面的平均振动速度、半孔率、不平整度、裂隙系数等参数作为神经网络输出参数。基于24次临近边坡的爆破技术数据建立了矿山预裂爆破效果的BP神经网络预测模型。3次现场爆破预测试验表明：通过神经网络内部的自组织结构，将岩石性质、工程地质条件等与控制预裂爆破效果有关的因素进行简化，可将平均振动速度的预测相对误差控制在7%左右，将半孔率、不平整度、裂隙系数的预测相对误差控制在3%左右，对于提高爆破预裂效果的预测精度有一定的参考价值。     

矿山预裂爆破效果预测的BP神经网络法

为简化矿山预裂爆破效果预测环节、提高预测精准度，针对传统预裂爆破效果评价注重预裂坡面成型的不足，考虑到露天矿山边坡时常受到爆破破岩振动等动态荷载影响的特点，结合BP神经网络，提出了既考虑坡面成型标准又顾及爆破振动对边坡影响的矿山预裂效果预测方法。将单孔装药量、平均孔深、孔距、振动速度峰值（水平、垂直）、振动主频（水平、垂直）、爆心距等参数作为神经网络输入参数，将预裂坡面的平均振动速度、半孔率、不平整度、裂隙系数等参数作为神经网络输出参数。基于24次临近边坡的爆破技术数据建立了矿山预裂爆破效果的BP神经网络预测模型。3次现场爆破预测试验表明：通过神经网络内部的自组织结构，将岩石性质、工程地质条件等与控制预裂爆破效果有关的因素进行简化，可将平均振动速度的预测相对误差控制在7%左右，将半孔率、不平整度、裂隙系数的预测相对误差控制在3%左右，对于提高爆破预裂效果的预测精度有一定的参考价值。     

深孔爆破振动峰值问题的神经网络法研究

将神经网络法引入到深孔台阶爆破速度峰值的预测中,建立深孔爆破振动神经网络系统,利用美国矿业局研究报告中的数据对深孔爆破振动峰值进行分析预测,表明神经网络分析法是研究深孔台阶爆破速度峰值问题的有效工具之一.神经网络预测结果和实测值吻合较好.     

爆破参数的BP神经网络优选及验证

爆破矿石块度大小及其均匀程度是反映爆破效果好坏的关键指标,它不仅直接影响采矿作业后续工序如装载、运输等设备工作效率和磨损程度,还严重影响采矿成本.因此利用BP神经网络对开阳磷矿的凿岩爆破参数进行优选,以排距、孔底距及炸药单耗作为输出结果,以国内同类矿山作为训练样本进行练习,计算得到了最优爆破参数,并根据最优爆破参数进行了现场试验验证,结果显示大块率有了明显的降低,因此这种方法由于良好的发展前景.     

爆破震动强度预测的神经网络模型研究

爆破震动控制一直是工程爆破界的一个重要研究课题,而如何对爆破震动进行准确地预测则是进行震动控制的前提和基础。BP神经网络是目前在非线性预测中得到极为广泛的一种神经网络模型,通过建立一个BP神经网络实现了对爆破震动速度的预测,并与常用的线性回归方法进行了比较,结果表明,神经网络预测模型具有更高的精确性。     

BP神经网络预测在台阶爆破参数优化的应用

以遵义东联二号路道路爆破工程实例为研究目标,分析了爆破效果的各个影响因素,并建立了爆破效果评价指标等级。收集了不同爆破工况条件下的爆破参数和爆破效果量化指标,并以此为基础建立了爆破参数优化BP神经网络模型。现场试验结果表明:优化后的爆破参数能够改善爆破效果,并达到预定要求指标,可为类似台阶爆破参数优化提供参考。     

基于神经网络算法的爆破振动预测模型开发北大核心

爆破地震效应是爆破过程中最为常见的负面效应之一。对地面振动进行准确预测是预防和控制爆破地震效应的前提。研究中,采集了76组爆破振动数据,基于神经网络算法,提出了8种不同的爆破振动预测模型,并考虑了神经元数量、传递函数和学习函数等超参数对神经网络模型预测精度的影响。选择了三种统计指标对模型性能进行评估,并对所开发模型的性能进行了比较。结果显示,建立的ANN-3模型具有最高的预测精度,其相关系数、决定系数和均方根误差分别为0.972、0.945和1.949。得到了神经网络的最佳参数配置:网络结构2-12-1,输入层-隐藏层-输出层之间的传递函数为logsig-pureling,学习函数为learngd。研究成果有助于提高矿山生产爆破的安全,特别是作为爆破设计过程中的辅助工具,便于爆破工程师更好的控制爆破振动,以及为围岩稳定性评估提供决策支持。     

神经网络模型在爆破震动强度预测中的应用研究

爆破震动控制一直是工程爆破界的一个重要研究课题 ,而如何对爆破震动进行准确地预测是进行震动控制的前提和基础。本文通过建立一个BP神经网络实现了对爆破震动速度的预测 ,并与常用的线性回归方法进行了比较 ,结果表明神经网络预测模型具有更高的精确性。     

基于BP神经网络的爆破参数优化研究

在某露天矿由于爆破参数与岩石特性不相符合,导致爆破效果不是太好,大块率高,留有根底,炸药单耗偏高,大块率高势必会导致二次破碎的费用偏高,还会对铲装运输等后续程序产生影响,这都直接影响着矿山的经济效益。通过BP神经网络对矿山爆破参数进行优化,改善爆破效果,提高矿山的经济效益。     

基于BP神经网络的地下水水位预测

基于BP网络模型 ,对地下水水位变化规律进行了定量预测。网络模型由三层构成 :输入层、隐含层、输出层。节点单元以及各层间的连接强度决定了BP网络的执行情况。实验结果表明 ,BP神经网络是一种较为有效的预测方法     

基于GA-BP神经网络的毫秒延时爆破振动速度预测研究

由于基坑爆破开挖作用而产生的振动效应受多种因素综合影响,传统的经验公式预测振动速度难以满足目前爆破安全的需求.因此,如何优化爆破参数,减小爆破振动效应,对保证临近建筑的安全具有重要意义.基于某基坑工程现场爆破监测所得的400组样本数据,本文采用遗传算法(GA)优化BP神经网络,对振动速度进行预测,将GA-BP神经网络振...     

BP神经网络预测急斜煤层动力失稳压力变化

煤岩体在应力作用下的变形与裂纹扩展,是结构失效的重要机制,通过监测煤层的压力变化,分析压力来源、压力大小及其分布特征,为下一步煤岩体卸压方案的形成提供准确可靠依据。以新疆大洪沟煤矿现场锚杆测力计观测数据为研究对象,利用MATLAB的神经网络工具箱提供的许多有关神经网络设计、训练以及仿真的函数,实现BP网络对压力监测数据发展的预测研究。     

基于TPE-BP神经网络的爆破振速预测模型研究

爆破振动速度是爆破设计需要考虑的的重要因素之一,然而在爆破振动速度预测中,BP神经网络超参数的确定依赖经验公式且具有主观性。为克服这种局限性,并提高振动速度预测精度,采用超参数优化算法TPE对BP神经网络进行超参数优选。以最大段起爆炸药量、炮孔深度、水平距离、垂直距离和炸药单耗参数作为输入量,建立了隐含层数量神经元数量为31个的BP神经网络(TPE-BP)预测模型,该模型的爆破振动速度平均预测误差为2.35%,最大误差为6.29%,与基于经验公式确定超参数的BP神经网络模型和传统的BP神经网络模型相比较,平均预测误差分别降低了23.26个百分点和4.24个百分点,说明参数网络优化后TPE-BP预测模型能更好地拟合振动数据,其预测结果更接近真实值,可为爆破参数设计提供参考依据,从而有效地控制爆破振动。     

基于BP神经网络模型的巷道变形预测系统开发

通过应用基于BP神经网络模型系统对某矿山巷道围岩的实测变形值进行神经网络模拟,成功预测了巷道围岩的变形,有利于巷道支护设计和生产组织.     

基于BP神经网络对平庄西露天矿煤产量进行预测

基于经典BP网络的基本原理,利用MATLAB工具箱中的神经网络训练函数,和相关数据建立预测模型,并对平庄西露天矿的年煤产量进行预测,为管理人员提供科学、合理的决策依据。     

基于BP神经网络的矿井小构造预测

阐述了矿井小断层水平延展长度预测BP网络模型的构建、训练及模拟方法,在总结小断层落差、断层的走向、断层的倾角及断层的倾向等影响因素的基础上,结合赵官井田主采7#煤层典型样本数据,运用Matlab软件来建立网络预测模型,并对该煤层2713和2712 2个工作面的小断层水平延展长度进行预测,发现该网络模型的预测结果与实测结果更接近。     

基于BP神经网络的爆破参数优选

为了得到最优的矿岩爆破参数, 提出以矿岩的容重、弹性模量、抗拉强度、抗压强度、摩擦角及粘结力为输入因子, 炮孔排距、孔底距及一次炸药单耗为输出因子, 并以国内爆破工艺类似、效果良好的矿山为样本来建立BP神经网络模型进行优选的思路。以石人沟铁矿上向扇形中深孔爆破参数选择为例, 优选出的参数适用于矿岩条件, 爆破效果良好。这种思路也可用于使用其它爆破工艺的矿山, 具有广阔的应用前景。