基于BP神经网络的露天采场爆破振速预测

以首云露天铁矿爆破震动实测数据为基础,运用BP神经网络原理,建立了以总药量、最大段药量、爆心距和高程差为输入层的神经网络模型,预测爆破震动峰值振速。将爆破震动监测数据与BP神经网络预测结果和萨氏公式预测结果比较,BP神经网络预测爆破震动峰值平均误差为17.16%,远低于萨氏公式预测的平均误差44.12%,表明BP神经网络预测爆破震动强度精度更高,结果更可靠。     

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。     

基于BP神经网络的多台阶地形爆破振速预测对比分析

应用萨道夫斯基公式、考虑高程的萨道夫斯基修正公式及BP网络模型对多台阶地形的爆破振速进行预测。得出以下结论:在测点正对爆区的情况下,考虑高程情况下的萨道夫斯基公式的准确度要高于未修正的萨道夫斯基公式;在爆区的侧向,考虑高程情况下的萨道夫斯基修正公式和萨道夫斯基公式的准确度均较低;BP神经网络能很好地对上述两种情况下的爆破振速进行预测,且准确度较高。     

基于灰色分析和神经网络的爆破振速峰值预测

爆破给国家带来了巨大经济效益、给施工提供便利条件的同时避免不了会带来一些负面效应,为此,如何才能既降低爆破振动危害又保证施工进度,己经成为当前隧道工程界亟待解决的一项重要课题。以北京地铁昌平二期05段岩石隧道爆破为例,通过灰色关联分析法确定了对爆破振速峰值有显著影响的指标和输入变量,建立BP神经网络模型,对爆破振动速度峰值进行预测。将结合了灰色关联分析法的BP神经网络模型预报的结果与神经网络模型、传统方法预测的结果相比,其结果为:萨道夫斯基公式的平均误差为18.86%,萨道夫斯基拓展式为16.57%,BP神经网络的误差为14.61%,灰色关联分析神经网络法仅为8.23%。预测结果表明结合灰色关联分析法并运用BP神经网络对爆破振速峰值预测是可行的。     

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。     

基于灰色分析和神经网络的爆破振速峰值预测（增刊）

爆破给国家带来了巨大经济效益、给施工提供便利条件的同时避免不了会带来一些负面效应, 为此,如何才能既降低爆破振动危害又保证施工进度,己经成为当前隧道工程界亟待解决的一项重要课题。以北京地铁昌平二期05段岩石隧道爆破为例,通过灰色关联分析法确定了对爆破振速峰值有显著影响的指标和输入变量,建立BP神经网络模型,对爆破振动速度峰值进行预测。将结合了灰色关联分析法的BP神经网络模型预报的结果与神经网络模型、传统方法预测的结果相比,其结果为：萨道夫斯基公式的平均误差为18.86％,萨道夫斯基拓展式为16.57％,BP神经网络的误差为14.61％,灰色关联分析神经网络法仅为8.23％。预测结果表明：结合灰色关联分析法并运用BP神经网络对爆破振速峰值预测是可行的。     

相邻隧道爆破振速分布规律研究

利用钻爆法开挖山区双线隧道时,后行隧道施工会不可避免地产生不利的振动效应,从 而影响到先行隧道的安全稳定。 相邻隧道爆破的振动测试与分析,对双线隧道的安全施工有着 重要意义。 本文以兴延高速公路浇花峪双线隧道工程为背景,对隧道轴线进行了现场振动测试, 得出了以下结论:①相邻隧道测试区域内三方向振动强度大小依次为垂直方向、水平径向、水平 轴向;随着爆心距的增加,三方向间的振动强度差异逐渐减小。 ②掏槽炮孔的夹制作用最大,同 时爆破振动强度亦最大。 ③不同类型炮孔爆破振动波形都存在迅速从初始值上升至振速峰值, 而衰减过程相对较慢的现象,且这种现象在掏槽孔爆破时尤其明显。 ④在双线隧道爆破施工时, 降低掏槽孔的最大单段药量、增加雷管段别、分解隧道开挖断面、控制爆破规模等是减小爆破振 动的有效方式。     

基于抛掷爆破预测的BP神经网络参数优化方法

研究了不同隐含节点个数、训练函数、转移函数、学习率对BP神经网络预测结果准确性和收敛速度的影响;对比分析了参数优化后的BP模型与径向基神经网络、支持向量机预测模型的结果;并应用某露天矿抛掷爆破作业的实测数据进行了相关实验。实验结果表明：最优BP模型的拓扑结构为10-6-3;最佳的训练函数为LM函数,正切和线性函数的组合为最优的转移函数,最佳的网络学习率为0.77;参数优化后BP模型的最远抛掷距离、抛掷率、松散系数的预测结果与测试样本的标准差最小,分别为9.567 8,0.036 3,0.041 4,即参数优化后的BP模型预测结果最优。     

SVMR在爆破振速预测中的应用

为了预测爆破振速,讨论了国内外的相关研究方法,提出采用回归型支持向量机(SVMR)进行预测的方法。首先,通过工程实例建立预测模型;其次,使用Matlab仿真了SVMR模型和BP神经网络模型;最后,完成了两种模型下的振动预测。预测结果表明,SVMR方法的性能优于BP神经网络方法。     

金属矿山台阶爆破振速预测研究

基于相关理论,运用回归分析法,构建了金属矿山台阶爆破振动预测公式,并结合实测情况对公式预测结果的可靠度进行了分析。最后,以放马峪铁矿为例,在爆破现场测得了120组数据,其中包含了3种不同地表、地形条件下所测得的数据,分别从垂直向、水平切向、水平径向和振动速度矢量和4个方面,对处理后的原始数据进行分析,求出各自的K、α值,据此拟合出相应的爆破振动速度预测公式,并利用拟合得出的预测公式对其爆破振动的速度进行了预测。分析表明,预测结果具有较好的稳定性和可靠性,能满足工程实践的要求,为类似爆破工程振速的预测提供了较好的借鉴和参考。     

隧道围岩关键块体爆破安全振速研究

针对隧道掘进爆破条件下爆源附近围岩关键块体的稳定性问题,建立了关键块体受力状态的力学模型,根据刚体平衡原理建立了爆破振动速度与块体各物理量间的联系,得到了隧道围岩关键块体安全振速的计算表达式。分析表明,关键块体侧向平均正应力与埋深成正比,岩体静侧压系数对块体侧向平均正应力有显著的影响,隧道半径与块体高度的比值对块体侧向平均正应力影响不显著。同时结合实际工程案例,分析了岩体静侧压系数、累积损伤、拱顶与最大切应力区对关键块体安全振速的影响规律,为爆源附近隧道围岩安全振动速度的确定提供理论参考依据。     

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。     

基于BP神经网络的爆破参数优化

针对露天矿山台阶爆破效果欠佳造成后续工艺效率不高的现象,以某露天矿为依托,利用BP神经网络系统建立爆破参数优化预测模型,对现场爆破参数进行优化,对比优化前后的现场爆破效果证明模型优化的爆破参数大大改善了爆破效果,100 cm以上大块率减小6.88个百分点,60 cm以下块度增加了35.94个百分点,为提高铲装效率创造了条件。     

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。     

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。     

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。     

爆破震速预测的模糊神经网络模型及其应用

利用模糊神经网络的高度鲁棒性和学习能力,模拟爆破参数间的非线性关系。建立了爆破震速预测模型,进而预测爆破质点峰值震动速度。预测结果与工程实际具有较好的相关性。所建立的预测模型对研究爆破震动效应及其灾害的控制具有较高的理论和应用价值。     

针对建构筑物不同振速要求的隧道爆破药量计算方法

在城区进行巷道或隧道爆破时,许多建构筑物有不同的振速要求,同时满足多种被保护物振速的安全药量计算是一个设计难题。以重庆市隧道爆破为研究背景,建立隧道曲线、被保护物的空间轨迹方程;在地铁、文物建筑、地面建筑3种振速控制下,研究药量-桩号函数关系式:对位于隧道外侧的文物建筑,采用延长建筑物轮廓线将隧道分成若干段并推导相应Q-S分段函数;地铁安全药量根据隧道爆源点到地铁直线的空间垂直距离代入公式获得;其它建筑控制振速下根据爆源至隧道正上方地面距离进行药量计算;利用Matlab软件分别解算隧道各位置的3种药量值,并取其中最小值作为设计药量。