- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于BP神经网络与经验公式法的地下洞室爆破振速预测及对比研究.pdf
第 52卷第 2期 甘 肃 水 利 水 电 技 术 Vo1.52.No.2
2016年 2月 GANSUWATERRES0URCESANDHYDROPOWERTECHNOLOGY Feb..20l6
· 设计与研究 ·
基于BP神经网络与经验公式法的
地下洞室爆破振速预测及对比研究
李 新 ,曹鹏飞
(1.中国核电工程有限公司,北京 100840;
2.南昌轨道交通集团有限公司,江西 南昌 330038)
摘要:大型地下洞室爆破装药量通常较大,因而引起振速较大,对构筑物本身及邻近建筑物的潜在影响亦较大。由于
爆破机理及爆破振动传播条件的复杂性,目前常采用萨道夫斯基经验公式进行振速预报。为探寻爆破振速预测的其
他途径,基于大型地下洞室开挖中的梯段爆破,采用BP神经网络与经验公式分别对其爆破振速进行预测,并对二者
进行对比分析。结果表明,在地下洞室梯段爆破振速预测中,BP网络预测精度能满足工程应用的要求;BP网络与经
验法公式相 比,对于振速的预测 ,前者的预测精度略高;随爆心距的变化 ,BP网络与经验法公式的预测结果存在一
定的波动 ,但与监测值 的整体拟合较好 。
关键词:BP神经网络;经验公式法;爆破;振速预测;
中图分类号:TD235.1 文献标志码:A 文章编号:2095—0144(2016)02—0012—04
1 前 言 经 网络的研究与应用 ,已涉及 自然科学 、社会科学 、
随着技术 的进步及经济的发展 ,人类的活动范 应用科学与综合性交叉科学等各个方面,其在模拟
围越来越多的向地下空间拓展及延伸 。为满足我国 识别 、预报和预测 、问题优化 、智能决策等方面具有
经济快速发展 的需求 .基础设施投资及建设不断提 较强 的优越性 ,并已在水文 、地质 、交通 、气象、航空、
速 .地下空间的利用也成为工程建设领域 的热点 。 电力等许多领域得到广泛应用 。在工程爆破方面 ,
地下工程在各个方面均得到广泛应用 .如市政工程 BP神经 网络在振速峰值预测中应用较多 ,申旭鹏 、
中的地铁 、地下广场 ,交通工程中的铁路隧道 、海底 史秀志、罗学东等对不同研究对象采用 BP神经网
隧道 ,电力工程中的水 电站厂房、核 电站中的引水隧 络进行爆破振动峰值预报进行了研究17-10i。
洞,石油、天然气 中的地下储洞等。在当今大型地下 基于大型地下洞室开挖中的梯段爆破 ,采用 BP
洞室的爆破开挖中。装药量通常较大 。因而引起的振 神经网络与萨道夫斯基经验公式对其爆破振速进行
速较大,对构筑物本身及邻近建筑物的潜在影响亦 预测 ,并对二者进行对比分析。
较大 ,因此有必要对地下洞室的爆破振动开展深入 2 爆破振速预测模型
研究,进而采取有效控制措施 。对减少爆破振动的危 2.1 BP神经网络
害十分关键 ]。一个准确的爆破振动模型 ,应能够准 人工神经 网络是人工构造的能够实现某种功能
确地描述与其最直接相关的各种因素_2]。对于爆破 的网络系统 .它是理论化 的人脑神经 网络数学模
振速 的预报 ,目前常采用萨道夫斯基经验公式l3]。由 型lI。通常所说的BP模型,是人工神经网络模型中
于爆破振动影响因素较多,采用传统的经验公式进 最重要 、应用最广泛的网络之一 BP神经 网络分为
行计算时,很难有较满意的预报效果l4。 输入层 、隐含层 、输 出层 ,BP算法训练分两个过
随着计算机技术的飞速发展 ,基于模仿生物大 程H :一是信息流 的正 向传递过程 ,输入的信
文档评论(0)