全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

爆破振动特征参量的BP小波预测

DOI: 10.11830/ISSN.1000-5013.2013.01.0077

Keywords: 爆破振动, 主频率, BP小波神经网络模型, 预测

Full-Text   Cite this paper   Add to My Lib

Abstract:

以福建泉州南惠高速公路NH5标段路基爆破开挖工程为实例,运用人工神经网络原理,以孔径、孔深、孔距、排距、最大单孔药量、单段最大药量、总药量和爆源距离作为影响爆破振动的主要因素,建立BP小波神经网络模型.对质点的水平径向、水平切向、垂直方向等3个方向分别预测其爆破振动速度峰值及频率,并将预测结果与BP神经网络、支持向量机的预测结果进行对比.实验结果表明:BP小波神经网络的爆破振动速度峰值-频率模型预测收敛快、精度高,优于标准BP网络和支持向量机模型,其结果更加符合国家标准GB 6722-2003《爆破安全规程》的评价要求.

References

[1]  闫鸿浩,李晓杰,曲艳东,等.爆破振动速度测试精细分析[J].岩土力学,2007,28(10):2091-2094.
[2]  毕卫国,石崇.爆破振动速度衰减公式的优化选择[J].岩土力学,2004,25(9):99-102.
[3]  MOSTAFA T M.Artificial neural network for prediction and control of blasting vibrations in Assiut(Egypt)limestone quarry[J].International Journal of Rock Mechanics and Mining Sciences,2009,46(2): 426-431.
[4]  唐海,石永强,李海波,等.基于神经网络的爆破振动速度峰值预报[J].岩石力学与工程学报,2007, 26(增刊1):3533-3539.
[5]  林丽群,林从谋,蔡丽光,等.隧道爆破振动的BP神经网络预测及应用[J].爆破,2009,26(4):4-7.
[6]  MANOJ K. Evaluation and prediction of blast induced ground vibration using support vector machine[J].Mining Sciences and lechnology,2010(1):64-70.
[7]  史秀志,董凯程,邱贤阳,等.基于支持向量机回归爆破振动速度预测分析[J].工程爆破,2009,15(3):28-30.
[8]  JAVIER T,RAFAEL R. FEM models including randomness and its application to the blasting vibrations prediction[J].Computers and Geotechnics,2006,33(1):15-28.
[9]  宗琦,汪海波,周胜兵.爆破地震效应的监测和控制技术研究[J].岩石力学与工程学报,2008,27(5):938-945.
[10]  孟海利,郭峰.爆破地震波主频率的试验研究[J].铁道工程学报,2009(11):81-83.
[11]  SINGH T N,VIRENDRA S.An intelligent approach to prediction and control ground vibration in mines[J].Geotechnical and Geological Engineering,2005,23(3):249-262.
[12]  李洪涛,舒大强.爆破震动衰减规律的影响因素[J].武汉大学学报:工学版,2005,38(1):79-82.
[13]  许红涛,卢文波.几种爆破震动安全判据[J].爆破,2002,19(1):8-10.
[14]  黄志波,林从谋,黄金山,等.BP小波神经网络在大断面隧道变形预测中的应用[J].华侨大学学报:自然科学版,2011,32(11):680-683.
[15]  李金屏,王风涛,杨波.BP小波神经网络快速学习算法研究[J].系统工程与电子技术,2001,23(8):72-74.
[16]  林键,林从谋,林丽群.爆破振动荷载作用下3~4层房屋结构响应测试研究[J].振动与冲击,2010,29(3):48-51.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133