基于神经网络的爆破振动速度峰值预报.pdfVIP

第 26 卷 增 1 岩石力学与工程学报 Vol.26 Supp.1 2007 年 7 月 Chinese Journal of Rock Mechanics and Engineering July ，2007 基于神经网络的爆破振动速度峰值预报 1 2 1 1 2 2 唐 海 ，石永强 ，李海波 ，李俊如 ，王晓炜 ，蒋鹏灿 (1. 中国科学院 武汉岩土力学研究所，湖北 武汉 430071 ；2. 中广核工程有限公司，广东 深圳 518124) 摘要：以广东岭澳核电站二期工程 20 m 平台和核岛爆破开挖为实例，运用人工神经网络原理，以孔径、孔深、 孔距、排距、最小抵抗线、最大单孔药量、最大段药量、堵塞长度、总药量、高程差和爆源距作为影响爆破振动 速度的主要因素，建立 BP 神经网络模型，对质点爆破振动速度峰值进行预测。分析结果表明，运用提出的神经 网络预测模型精确度明显高于传统的萨道夫斯基公式。 关键词：岩石力学；BP 神经网络模型；学习样本；爆破振动；预报 中图分类号：TU 45 文献标识码：A 文章编号：1000 –6915(2007)增 1 –3533 –07 PREDICTION OF PEAK VELOCITY OF BLASTING VIBRATION BASED ON NEURAL NETWORK 1 2 1 1 2 2 TANG Hai ，SHI Yongqiang ，LI Haibo ，LI Junru ，WANG Xiaowei ，JIANG Pengcan (1. Institute of Rock and Soil Mechanics ，Chinese Academy of Sciences，Wuhan，Hubei 430071 ，China； 2. China Guangdong Nuclear Power Station Engineering Co.，Ltd .，Shenzhen ，Guangdong 518124，China) Abstract ：Because of the influence of charge parameters and rock properties ，it is difficult to accurately predicate the vibration characteristics in the engineering blasting. Based on the 20 meters platform and nuclear island blasting excavation monitoring in the second phase of Ling ′ao nuclear power station ，Guangdong Province ，the artificial neural network is adopted to predict the peak velocity of blasting vibration. In the analysis，the charge hole diameter ，distance ，and depth ，column distance between charge holes，line of least resistance ，maximum charge of single hole ，maximum charge weight per d