基于LM-BPNN方法的爆破震动灾害预测模型

为了探索提高控制爆破震动效应的方法,基于Levenberg-Marquardt算法改进的BP神经网络模型,建立以最大段药量、爆心距、高差作为影响爆破振动的主要因素,对爆破震动速度进行预测的模型。用爆破振动观测数据进行训练和预测,预测结果与现场观测结果吻合良好。结果表明:与基于标准BP、Polak_Ribiere共轭梯度、专家经验公式等计算结果比较,LMBPNN算法具有良好的鲁棒性和预测精度,预测效果较优,对爆破震动安全评价及其灾害控制有一定的应用价值。

基于LM-BP算法的隧道爆破振动灾害预测的应用

为了对隧道爆破振动灾害的危险状态进行有效地预测,实验采用基于Levenberg-Marquardt(LM)算法改进的BP算法,建立以实测隧道爆破掏槽眼装药量、爆心距和爆破振速为主要爆破影响因素的神经网络模型,对振速进行预测分析,预测结果与实测数据吻合良好;继而引用GB 6722—2014《爆破安全规程》所规定的临界安全振速反向预测掏槽装药量,通过反向预测计算得出满足安全振速要求的临界掏槽装药量。预测结果表明:LM-BP算法相比传统的经验模型在振速预测上表现更好,通过反向的预测运算,能有效预知临界装药参数,对爆破振动安全预测及控制有积极的意义。