线性回归法在爆破测振分析中的应用.docVIP

线性回归法在爆破测振分析中的应用 【摘 要】本文讨论了如何采用线性回归的数学方法来求解传统的爆破振速计算公式-萨道夫斯基公式中的K、α值的方法，以及如何将其与神经网络模型相结合进行进一步优化的方法，使得常用的萨道夫斯基公式的预测值与实测值更加相吻合，达到预测爆破震速的目的。作者并将这一计算方法结合一工程实例进行了验证，计算值与实测值比较接近，该方法达到了对该项目进行安全预测的目的。 【关键词】线性回归 爆破测振 神经网络模型 【Abstract】This paper discusses how to use linear regression mathematical methods to solve the traditional formula of blasting vibration velocity ?C the Sadaovsk formula of K， alpha value method， and combining with the neural network model for further optimization method， makes the commonly used Sadaovsk， more consistent formula of the predicted and the measured values， to achieve the purpose of predicting blasting vibration velocity. The author used the calculation method combined with an engineering instance verified and calculated values and measured values is close， so this method achieved the purpose of safety projections for the project. 【Keywords】Linear regression Blasting vibration monitoring Neural network model 1引言 在民房、边坡及井巷等重要的建筑物或构筑物附近进行较大规模的爆破施工时，一般需要进行爆破震动的跟踪监测，并依据设计中给定的控制标准，进行爆破安全校核和爆破参数的修改调整，以达到控制爆破震动的目的。目前，判定爆破震动对地面建筑物和构筑物的影响，可用质点振动的位移、加速度、或速度等指标。而大量的工程实践及监测成果表明，质点振动速度比振动加速度或位移与结构的爆破震动破坏有更良好的相关关系。因此，国内外普遍以质点振动速度作为爆破震动控制安全标准。振速的计算一般用萨道夫斯基公式，而有些人认为用此公式计算存在很大的误差，其原因在于K、α值的确定存在很大的局限性，为此，笔者提出了一种完善K、α值的方法。近年来，随着计算机技术的提高，数值模拟方法的迅速发展以及神经网络的日益成熟，用他们处理爆破问题使爆破参数愈来愈完善，也使得准确预测质点的振速成为可能。在此，借用这方面的知识，用计算机来计算K、α值，并运用K、α值来预测同一地质条件下的爆破震动。 2 质点振动速度控制安全标准 可在现场经小型爆破试验来确定α和 k的值。 各国不同学者对安全振速规定的值不同。《中华人民共和国爆破安全规程》中的判据为： （1）一般砖房、非抗震的大型砌块及预制构件房屋、构架建筑为2 cm/s； （2）钢筋混泥土框架房屋及修建良好的木屋为5 cm/s； （3）隧洞为10 cm/s； （4）矿山巷道中围岩不稳定、有良好支护时为10 cm/s；矿山巷道中围岩中等稳定、有良好支护时为20 cm/s； 矿山巷道中围岩稳定而无支护时为30 cm/s。 3 爆破地震波的神经网络模型 利用振速与药量、爆心距之间的关系的经验公式 v K （ ）α，由于 K、α与爆区的地质条件有关，而爆区的地质条件又不能确切标定，故不能很准确描述爆区的地质条件。如果能使K、α较准确地反映爆区的地质条件，则爆速的误差就会减小。本模型就是利用线性回归模型，使K、α更加完善，从而使振速的误差更小。此模型分为三层：输入层、隐层、输出层。从输入层输入每次测量数据，初步确定的值。隐层包括自学习功能，利用隐层的自学习功能将实测的数据输入程序，再参与计算，使K、α较前一次更完善。在完善的过程中，K、α值越来越接近K、α真实值。输出层使用完善后的K、α值，利用经验公式v K （ ）α 计算出振速。经验公式 v K （ ）α 不是线性，因此，要将其化为线性，再利用线性回归经验公式，求出参数K、α的值。对经验公式 v K （ ）α两边取对数，得 5 计算结果与分析