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.     

基于支持向量机回归爆破振动速度预测分析

运用支持向量机回归(SVMR)预测理论,对爆破振动质点振动速度进行预测,并与实测数据进行对比分析。通过与RBF神经网络、传统预测方法进行对比分析,运用支持向量机回归理论预测方法能较好地预测爆破振动速度,对研究爆破振动特征及灾害控制具有一定意义。     

基于支持向量机回归爆破振动速度预测分析

运用支持向量机回归(SVMR)预测理论,对爆破振动质点振动速度进行预测,并与实测数据进行对比分析。通过与RBF神经网络、传统预测方法进行对比分析,运用支持向量机回归理论预测方法能较好地预测爆破振动速度,对研究爆破振动特征及灾害控制具有一定意义。     

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。     

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.     

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.     

偏最小二乘回归神经网络模型在爆破振动峰值速度预测中的应用

神经网络方法是处理非线性问题的有力工具,但当输入变量较多,输入变量间存在的多重共线性性会使得网络的建模效率下降。偏最小二乘回归方法通过提取对因变量解释性较强的成分,能较好地克服变量间的多重共线性。将两种方法相结合,建立了爆破振动峰值速度的偏最小二乘回归BP神经网络预测模型。利用偏最小二乘法对影响爆破振动的因素进行分析,提取出3个新综合变量,使BP网络的输入层节点数目由9个减少到3个,简化了网络结构,提高了计算速度,增强了网络稳定性。分析结果表明,耦合模型的平均预测误差为7.62%,相较于传统的萨氏公式及标准的BP神经网络模型其预测精度有了明显提高。     

爆破振动速度预测方法及其影响因素

爆破振动速度是表征和评判地震强度必不可少的参量,结合某核电站一期地面爆破振动监测数据,分析比较了爆破振动速度的3种预测方法(地震动经验公式法、基函数回归法、BP算法),并讨论了炸药类型、最大药量、炮孔直径、最小抵抗线和延时间隔对爆破振动速度的影响,为工程实践控制爆破振动危害提供了理论依据。     

爆破振动的BP神经网络预测方法研究

爆破所引起的震动强度在很大程度上具有随机性,它受到众多因素的影响,而且各因素之间存在着极其复杂的非线性关系.运用人工神经网络原理,以孔深、孔数、孔距、最大齐爆药量、总药量和爆源距作为影响爆破振动的主要因素,建立BP神经网络模型1,对爆破振动速度进行预测,并与仅考虑最大齐爆药量和爆源距作为输入量的BP神经网络模型2和萨道...     

基于BP神经网络的高含水岩石爆破震动参数预报

运用现场试验震动监测得出水介质对高含水岩石爆破地震波传播规律的影响,再结合BP神经网络理论,将水介质纳入网络模型,建立爆破震动参数预报的BP神经网络模型。采用高含水岩石爆破现场监测数据对网络模型进行训练。把训练达到最优后的预报结果与实测结果作对比,发现BP神经网络模型预报参数与实测值较为接近。     

起爆形式对线性成型装药射流形成的影响

以工程中常用的柔性切割器为研究对象,在不考虑端部效应的前提下对三种起爆方式下线性成型装药射流形成差异进行了理论和数值模拟分析,得出了不同起爆方式下射流头部速度的大小关系、射流内部速度的分布规律。在此基础上进一步提出了三种起爆方式下线性成型装药切割目标的恰当的数值模拟方法。     

基于神经网络的预裂爆破参数智能设计

预裂爆破具有减振和保护岩体等特点,在爆破工程中得到了广泛运用。通过分析认为预裂爆破成缝理论和成缝计算模型均不完善,同时岩石成缝与岩石性质、地质条件、装药量、孔间距等多种因素有关。目前为止,预裂爆破的设计主要依靠经验公式。运用人工神经网络综合方法,建立了预裂爆破参数设计的BP神经网络模型,并借助Matlab语言,开发了预裂爆破参数优化设计智能系统,且用工程实例进行了验证。结果表明,该智能系统设计参数与实际设计参数相当符合。     

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。     

堆石坝料开采爆破参数优化的神经网络法研究

探讨人工神经网络BP模型用于爆破参数优化的方法 ,结合最优目标函数 ,实现对堆石坝料开采爆破参数的优化。通过一个工程实例 ,简介了人工神经网络BP算法的基本原理、爆破参数优化网络模型的建立和求解。结果证明 ,这个优化模型是可行的。     

GA改进BP神经网络在抗滑桩孔爆破开挖中的应用

目前桩孔开挖主要依靠工程类比进行,不同设计者设计的爆破参数往往因掌握的爆破理论和经验的不同而有所差异,爆破质量参差不齐。为此,提出基于遗传算法GA改进BP神经网络(GA-BP)建立爆破参数优化设计模型,该法不仅可以利用已有爆破经验数据和工程地质条件,同时,使用遗传算法优化BP神经网络阈值和权值可以弥补BP神经网络不稳定的缺陷,以达到获得更优爆破参数的目的。实践表明,基于遗传算法改进BP神经网络相比一般BP神经网络预测相对误差较小,同时GA-BP神经网络得到的优化爆破参数进行现场试验,取得了良好的爆破效果。因此,GA-BP神经网络模型应用于抗滑桩孔开挖爆破参数设计是可行的,可用于指导爆破施工。     

布沼坝露天矿爆破效果预测BP神经网络模型应用

针对布沼坝露天矿西帮抢险治理工程,进行了35次生产爆破试验,完成了爆破参数的初步优化。同时以孔距、排距、孔深和抵抗线等作为模型的输入因子,大块率、爆堆的前冲距离、爆堆的后冲距离和挖掘机的铲装速率等作为模型的输出因子,以现场爆破试验数据为训练样本,建立爆破效果预测的BP神经网络模型。通过对网络仿真结果和现场实测数据进行比较分析,表明BP神经网络模型能够比较准确地预测出布沼坝露天矿西帮治理工程的爆破效果。     

基于爆破振动的岩质边坡损伤神经网络预测

岩石高边坡的爆破开挖会对保留岩体造成损伤,岩体损伤过大可能导致边坡失稳,需严格控制并准确确定开挖损伤深度,因此,提出一种快速精确的损伤深度预测方法。以白鹤滩水电站左岸834.0⁷70.0 m高程坝肩槽边坡爆破开挖为背景,利用六个开挖梯段的多高程、多爆心距爆破振动监测及损伤深度声波检测的数据,建立基于振动峰值的爆破损伤深度BP神经网络预测模型,对高边坡爆破损伤深度进行实时预测。该方法利用不同部位及不同爆心处的质点峰值振动峰值作为主回归变量,同时还考虑最大单响药量和岩体强度的影响。结果表明,当开挖区域坡体岩性相似且无长大软弱结构面发育时,运用神经网络模型及多高程实测爆破振动预测本梯段爆破损伤深度的方法简便可行,预测精度可满足实际工程需求。作为传统爆破损伤声波检测的补充,可大大减轻现场声波测试工作量。