爆破振动对民房破坏效应预测的BDA模型及应用

爆破振动危险程度的预测与控制是爆破工程中不容忽视的重要内容。基于Bayes判别分析理论,建立爆破振动对民房破坏效应预测的Bayes判别分析模型(BDA);选用爆破振动幅值、主频率、主频率持续时间、灰缝强度、砖墙面积率、房屋高度、屋盖形式、圈梁构造柱、施工质量、场地条件等10个影响因素作为判别因子;将该方法应用到铜绿山矿露天采场爆破振动对民房破坏效应预测问题中,对现场实测的64组爆破振动数据作为学习样本进行训练,建立相应线性判别函数并利用回代估计方法进行回检,误判率为0.0938;用另外12组现场数据作为预测样本进行测试。研究结果表明:经过训练后的BDA模型预测结果与实际情况吻合较好,预测精度高,回代估计的误判率低,为露天采矿爆破振动对民房破坏效应的预测提供了一种新思路。

爆破振动信号双线性变换的二次型时频分析

为提高爆破振动信号特征分析的精度,利用双线性变换的二次型方法研究了爆破振动信号的时频特征。首先,扼要介绍了Fourier分析、短时Fourier、小波分析的特点。其次,介绍了双线性变换的二次型时频分析方法及其能量分布函数。再次,研究了振动信号时频分布的重排技术。最后,基于MATALB6.5平台得出了铜山口矿一实测爆破振动波形的WVD,SPWVD,RSPWVD时频分布图。结果表明,双线性变换的二次型时频表示,克服了短时Fourier变换频率分辨率低和小波变换是基于位置和尺度变换的缺点,是一种更加直观、合理、时频分辨率更高的信号时频表示方法;平滑伪仿射Wigner-Ville分布在把握信号的时频全局方面有明显优势;重排平滑伪Wigner-Ville分布能提高信号的时频聚集性,可用于获取爆破振动信号的主频信息。

爆破振动特征参量的粗糙集模糊神经网络预测

爆破振动特征参量对爆破振动危害效应有重要影响。首次用粗糙集模糊神经网络方法对振幅、主频率及主频持续时间进行预测。首先介绍了粗糙集模糊神经网络的基本思想,其次,分析了印象爆破振动特征参量的主要因素,建立了基于粗糙集模糊神经网络的爆破振动特征参量预测模型;最后用某边坡开挖爆破中的振动观测指标对模型进行了训练,并对15组指标进行了测试。结果表明:粗糙集模糊神经网络预测模型能反映了影响因素与特征量之间的非线性关系,适用于爆破振动特征参量预测。一次预测1个指标的精度高于同时预测3个指标的精度。