基于HPO-BP神经网络的隧道粉尘处理预测模型

隧道施工过程中,施工粉尘的防治对作业人员健康和保护周边生态环境具有重要意义。为实现对隧道喷雾降尘效果的准确预测,保证在降尘作业后粉尘浓度能够满足国家相关标准。利用试验平台对流体型超声雾化粒径和降尘效率的相关性进行分析,采用猎人算法对BP神经网络的初始阈值和权值进行优化,以空间初始粉尘浓度、气压、水压和降尘用水的表面张力4个主要参数为输入,以降尘后空间粉尘浓度大小为输出,建立HPO-BP粉尘处理浓度预测模型。为验证优化后模型的有效性和可靠性,采用多种神经网络模型进行对比验证分析,研究结果表明:HPO-BP神经网络模型能够有效地对流体型超声雾化降尘进行预测,平均相对误差为7.2544%,预测值和实际值的拟合度为0.949,在预测精度和泛化能力上有一定优势。基于提出的HPO-BP神经网络,构建隧道施工喷雾除尘参数调节系统,依据隧道施工粉尘浓度变化,实时调整喷雾参数,有效解决喷雾降尘治理效率不佳的问题,对于隧道绿色环保施工具有一定的参考价值。