中深孔爆破振动加速度峰值的遗传BP网络预测

为准确预测爆破振动加速度峰值,保证爆破安全,相对于考虑因素少的经验公式法以及存在收敛性差、易陷入局部极小和计算复杂等缺陷的BP算法,提出了遗传BP神经网络算法,该算法具有更高的预测精度。以田湾核电站船山二期工程的试验数据为背景,比较分析并选择最大段药量、水平距离、总药量、高程差、爆破台阶高度和段别规模等6个参数作为输入层因子,建立了相应的爆破振动加速度峰值预测模型。结果表明,预测精度达到96.97%,验证了方法的可行性和有效性。

基于GRNN的金山店铁矿爆破振动峰值速度预测

为研究爆破振动对金山店铁矿地表构筑物和井下巷道的影响,引入广义回归神经网络(GRNN)的方法,分别以地表、井下部分振动监测数据为学习样本对GRNN进行训练,构建地表、井下爆破振动峰值速度的GRNN预测模型,以剩余振动监测数据为检测样本对地表和井下GRNN预测模型进行检验,并将GRNN模型的预测结果与BPNN、基函数回归法和经验公式法作对比。同时,将地表、井下GRNN模型的预测结果与以地表和井下综合训练数据为学习样本构建的综合GRNN预测模型进行对比。研究结果表明:对于地表监测点,四种方法的预测误差率依次为12.1%、18.9%、30.3%、43.7%;对于井下监测点,四种方法的预测误差率依次为14.0%、16.2%、19.9%、23.0%。GRNN的预测精度最高,其为爆破振动峰值速度的预测提供了一种新方法,且采用GRNN对地表、井下质点爆破振动峰值速度分别进行预测更加合理。

基于改进PSO-BP神经网络的爆破振动速度峰值预测

为了提高爆破振动速度峰值预测的准确度,将BP(back propagation)神经网络解决复杂非线性函数逼近能力和粒子群优化(particle swarm optimization,PSO)算法全局寻优能力相结合,建立了改进的PSO-BP神经网络预测模型,利用改进的PSO算法来优化BP神经网络的初始权值和阈值。以白鹤滩水电站左岸坝肩槽爆破开挖监测数据为依据,选取爆心距、最大单响药量、高程差和纵波波速作为输入参数,通过余弦振幅法分析输入参数与爆破振动速度峰值的关系强度得出代表场地条件的纵波波速也是对爆破振动速度传播的重要影响因素。对比BP神经网络和萨道夫斯基公式的检验结果,结果表明:改进的PSO-BP神经网络预测模型的预测值与实测值吻合更好,预测的结果更为可靠,具有较好泛化能力。研究方法为类似工程中爆破振动速度峰值的预测提供了借鉴。

基于SSA-XGBoost的爆破振动预测系统的构建与应用

爆破振动质点速度峰值(Peak particle velocity,PPV)是衡量爆破振动对周围环境和结构物造成的影响程度的重要指标。为提高爆破振动质点速度峰值预测的可靠性,提出了一种基于麻雀搜索算法(Sparrow search algorithm,SSA)优化极端梯度提升树(Extreme gradient boosting,XGBoost)的PPV预测模型,通过Matlab软件中的App Designer模块构建了相应的爆破振动预测系统。通过36组训练数据和5组测试数据,选取了最大单段炸药量、爆心距和测点至爆破工作面的高程差作为模型输入参数,对PPV进行了预测。结果表明,提出的SSA-XGBoost模型相较于GA-BPNN模型和BPNN模型具有更小的平均相对误差,泰勒图进一步证明了SSA-XGBoost具有更高的预测精度和更好的稳定性。

下穿铁路隧道爆破振动衰减规律研究

基于Heelan短柱药包理论,引入等效作用半径的概念,得到内部瞬时激励荷载作用下爆破峰值振动速度的衰减模型方程,并通过量纲分析进行验证。结合下穿隧道爆破工程,研究不同雷管段位及不同炮孔类型对应的爆破峰值振动速度的衰减规律。此外,讨论球形装药、柱状装药条件下改进公式的药量形式表达式,结果显示,利用等效作用半径作为拟合参考变量可以综合考虑不同雷管段位及不同炮孔类型对爆破振动规律的影响。统计数据表明,利用改进公式得到的拟合效果最优,可以为类似隧道爆破振动研究提供参考。

基于PSO-LSSVM算法的地下储气库洞室群爆破振动预测

超大断面小净距地下储气库洞室群开挖爆破工程中涉及到众多的影响因素,传统人工智能方法难以对爆破峰值振动速度准确预测。为了提高预测精度,引入粒子群算法,对传统的最小二乘支持向量机模型(LS-SVM)进行优化并建立粒子群最小二乘支持向量机爆破峰值振动速度预测模型(PSO-LSSVM)。以某地下储气库洞室群开挖爆破工程为研究对象,应用PSO-LSSVM模型,将PSO-LSSVM模型与LS-SVM模型、萨道夫斯基经验公式的预测结果进行对比,得到三种预测的结果平均绝对相对误差分别为:5.50%、8.56%、23.45%。由此可见,PSO-LSSVM模型的预测结果与实测数据拟合度更高,精确度更满足工程需求,可为多因素作用下类似工程爆破峰值振动速度预测提供借鉴。

大型地下厂房开挖爆破损伤影响范围及评价研究

针对溪洛渡主厂房浅孔台阶开挖爆破工程,根据C-J爆轰理论和强度统计理论等分别得到炮孔壁上爆炸冲击荷载曲线和考虑压、拉损伤的岩石动力损伤本构关系。在FLAC3D数值软件中应用该爆炸荷载曲线和本构关系,并建立模拟单个垂直炮孔起爆的三维有限差分计算模型,分析岩石爆破动力响应,得到爆破损伤影响范围特性。同时在现场进行了爆破试验、钻孔声波测试和爆破振动速度测试。将现场试验、基于TCK体积拉伸损伤模型的数值计算与考虑压、拉损伤的数值计算的结果对比,验证压、拉损伤数值模型的合理性。研究成果表明,受地表自由面影响,岩石爆破损伤影响范围随深度增加而减小。炮孔顶部损伤影响水平半径最大,且该半径随单孔炸药量增大而显著增大;与最大损伤影响半径对应的水平径向质点峰值振动速度可作为爆破损伤安全判据;相对深度方向,水平径向为爆破损伤的主要扩展方向;数值计算结果较为合理,研究成果可为类似开挖爆破工程提供参考。

基于SMA算法优化随机森林的PPV预测模型

爆破振动速度峰值(Peak Particle Velocity,PPV)的准确预测是有效控制爆破工程振动危害的前提。为了提高爆破振动速度峰值的预测精度,提出将黏菌算法(Slime Mould Algorithm,SMA)对随机森林(Random Forest,RF)中的树的个数和最小叶子点数2个超参数进行优化。以某露天爆破工程实例中收集的具有4个输入参数(最小抵抗线r、高差H、最大段药量Q_(max)、水平距离W)和1个输出参数(PPV)的23个样本的数据集为依据,将4种参数组合(Q_(max)-H-W-r、Q_(max)-H-r、Q_(max)-W-r、Q_(max)-r)作为随机森林算法中的输入参数,确定最优的参数组合。随后对SMA-RF模型、未优化RF模型和国内外常用的6组经验公式的预测结果进行比较,结果表明SMA-RF模型取得了最优的预测效果,因此在工程实践中推荐使用SMA-RF模型预测爆破振动速度峰值。