城市隧道爆破振动速度峰值预测神经网络法应用

结合南京机场线地铁项目,进行了邻近隧道爆破开挖作用下既有隧道的爆破振动速度现场监测试验,应用BP神经网络,建立了既有隧道爆破振动速度的预测模型,并与多种经验公式预测进行了比较分析.结果表明:BP神经网络爆破振动速度预测数据与试验监测数据拟合较好,相比于经验公式预测,具有误差小、精度高的特点.研究成果可为邻近隧道爆破开挖作用下既有隧道爆破振动控制和新建隧道爆破开挖方案完善提供理论参考.     

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.     

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。     

城市隧道爆破振动速度峰值预测神经网络法应用

结合南京机场线地铁项目,进行了邻近隧道爆破开挖作用下既有隧道的爆破振动速度现场监测试验,应用BP神经网络,建立了既有隧道爆破振动速度的预测模型,并与多种经验公式预测进行了比较分析。结果表明:BP神经网络爆破振动速度预测数据与试验监测数据拟合较好,相比于经验公式预测,具有误差小、精度高的特点。研究成果可为邻近隧道爆破开挖作用下既有隧道爆破振动控制和新建隧道爆破开挖方案完善提供理论参考。     

基于遗传算法的神经网络在爆破振动预测中的应用

针对BP神经网络对工程爆破振动的预测存在精度不够高的缺点,建立遗传算法优化神经网络的模型,并介绍了它的原理。最后通过爆破振动预测实例的介绍,应用MATLAB编程,将总装药量Q、测点与爆源的高差h、孔间微差时间t、最大药包距离L这4个参数作为模型参数,对爆破振动幅值v、振动主频f和振动持续时间T进行预测,得出基于遗传算法的神经网络预测的结果比BP神经网络更为精确,克服了BP神经网络的缺点。     

基于BP神经网络的桩基爆破振动速度预测

为研究桩基爆破振动对邻近埋地天然气管道的影响,以荣乌高速公路第7标段红泉村3号大桥桩基爆破振动为研究对象,以水平距离、雷管段数、总装药量、最大单段装药量、桩基深度和爆心距作为主要因素,建立桩基爆破振动BP神经网络预测模型,以现场测试的15组数据为学习样本对模型进行训练,以5组数据为检测样本进行预测,并将预测结果与萨道夫斯基公式和高程修正公式进行对比。结果表明:BP神经网络、萨道夫斯基公式和高程修正公式预测平均相对误差分别为7.90%、27.68%和24.30%,BP神经网络比萨道夫斯基公式和高程修正公式预测精度分别提高71.43%和67.49%。     

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。     

隧道爆破振动的BP神经网络预测及应用研究

以福厦高速公路扩建工程中的大帽山小净距大跨度隧道爆破开挖为背景,应用BP神经网络,建立了小净距隧道掘进爆破振动和速度峰值的预报模型,并成功地应用于该隧道进、出口段掘进爆破振动控制工程实践.分析比较结果表明,BP神经网络预报方法的预测结果与实测值的平均误差为7.16%～10.61%,较传统预报方法的预测精度提高20%以上.研究成果为小净距大跨度隧道爆破振动控制提供了新的预测方法,具有理论及实用参考价值.     

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。     

基于BP神经网络模型的爆破飞石最大飞散距离预测研究

首先将BP神经网络模型引入爆破飞石距离的预测研究,以最小抵抗线、炸药单耗、单孔最大药量作为影响爆破飞石最大距离的主要因素,建立了爆破飞石预测的BP神经网络模型,然后以某露天矿山深孔台阶松动爆破为例,利用爆破施工过程中收集的原始资料和爆破飞石监测数据,对建立的BP神经网络模型进行了训练,最后应用经训练的BP神经网络模型对爆破飞石距离进行了预测.与实测值比较后发现,BP网络模型的预报结果非常接近实测值,能够满足工程实践的要求,是一种有效的预测爆破飞石最大距离的方法.