检索结果-维普期刊中文期刊服务平台

基于遗传算法的神经网络在爆破振动预测中的应用被引量：8: 1; 作者 TUMENBAYAR BADRAKH-YERUUL 夏岸雄 +1 位作者张建华王涛《爆破》 CSCD 北大核心 2014年第3期140-144,共5页; 针对BP神经网络对工程爆破振动的预测存在精度不够高的缺点,建立遗传算法优化神经网络的模型,并介绍了它的原理。最后通过爆破振动预测实例的介绍,应用MATLAB编程,将总装药量Q、测点与爆源的高差h、孔间微差时间t、最大药包距离L这4个... 展开更多; 关键词遗传算法 BP神经网络 MATLAB 爆破振动预测; 在线阅读下载PDF 职称材料

基于SSA-Elman神经网络的爆破振动速度预测: 2; 作者王晗闫鹏 +3 位作者张云鹏巩瑞杰袁腾杨曦《工程爆破》北大核心 2025年第3期140-150,共11页; 为降低爆破振动对环境产生的影响,预测爆破振动速度非常有必要。选取85组爆破振动数据,采用灰色综合关联度理论识别了影响爆破振动速度的7个重要因素,通过麻雀搜索算法(SSA)改进Elman神经网络的方法建立了爆破振动速度预测模型。研究结... 展开更多; 关键词爆破振动预测 ELMAN神经网络麻雀搜索(SSA)算法灰色综合关联度分析; 在线阅读下载PDF 职称材料

基于GRNN的金山店铁矿爆破振动峰值速度预测被引量：1: 3; 作者刘艳章邹晓甜 +4 位作者潘世华陈小强张群张丙涛柯丽华《爆破》 CSCD 北大核心 2017年第2期20-25,79,共7页; 为研究爆破振动对金山店铁矿地表构筑物和井下巷道的影响,引入广义回归神经网络(GRNN)的方法,分别以地表、井下部分振动监测数据为学习样本对GRNN进行训练,构建地表、井下爆破振动峰值速度的GRNN预测模型,以剩余振动监测数据为检测样本... 展开更多; 关键词金山店铁矿 GRNN 爆破振动峰值速度爆破振动预测; 在线阅读下载PDF 职称材料

基于人工智能方法的地下洞室群爆破振动速度预测被引量：4: 4; 作者马晨阳张汉斌 +4 位作者袁青周玉纯汪煜烽吴立刘洋《爆破》 CSCD 北大核心 2017年第4期12-16,共5页; 特大断面地下洞库爆破开挖工程中涉及到众多的影响因素,为了较准确地预测出爆破振动速度,引入支持向量机理论,建立最小二成支持向量机爆破振动速度预测模型(LS-SVM模型),该模型利用结构风险最小化来提高求解问题的速度和精度。采用该模... 展开更多; 关键词地下洞室群爆破振动速度预测最小二乘支持向量机模糊神经网络; 在线阅读下载PDF 职称材料

爆破地震波传播规律试验研究被引量：19: 5; 作者安胜杰易吉祥 +2 位作者池恩安于海阔欧阳天云《爆破》 CSCD 北大核心 2021年第2期32-36,166,共6页; 根据别斯库都克露天煤矿的现场情况,分析爆破地震波在多台阶边坡中的传播规律,对矿区台阶边坡进行爆破振动测试,选取爆破区域上部平台由近到远依次布置的四个振动测试点,共进行爆破振动试验7次,取得5组有效数据。通过对5组振动数据结果... 展开更多; 关键词露天煤矿爆破地震波萨道夫斯基公式爆破振动预测软件; 在线阅读下载PDF 职称材料

题名基于遗传算法的神经网络在爆破振动预测中的应用被引量：8: 1; 作者 TUMENBAYAR BADRAKH-YERUUL 夏岸雄张建华王涛; 机构武汉理工大学资源与环境工程学院广东宏大爆破股份有限公司; 出处《爆破》 CSCD 北大核心 2014年第3期140-144,共5页; 文摘针对BP神经网络对工程爆破振动的预测存在精度不够高的缺点,建立遗传算法优化神经网络的模型,并介绍了它的原理。最后通过爆破振动预测实例的介绍,应用MATLAB编程,将总装药量Q、测点与爆源的高差h、孔间微差时间t、最大药包距离L这4个参数作为模型参数,对爆破振动幅值v、振动主频f和振动持续时间T进行预测,得出基于遗传算法的神经网络预测的结果比BP神经网络更为精确,克服了BP神经网络的缺点。; 关键词遗传算法 BP神经网络 MATLAB 爆破振动预测; Keywords genetic algorithms BP neutral network MATLAB optimization blasting vibration prediction; 分类号 TD235.47 [矿业工程—矿井建设]; 在线阅读下载PDF 职称材料

题名基于SSA-Elman神经网络的爆破振动速度预测: 2; 作者王晗闫鹏张云鹏巩瑞杰袁腾杨曦; 机构华北理工大学矿业工程学院河北省矿业开发与安全技术重点实验室河北钢铁集团司家营研山铁矿有限公司; 出处《工程爆破》北大核心 2025年第3期140-150,共11页; 基金河北省教育厅在读研究生创新能力培养资助项目(CXZZBS2023124) 河北省高等学校科学技术研究项目(QN2023166)。; 文摘为降低爆破振动对环境产生的影响,预测爆破振动速度非常有必要。选取85组爆破振动数据,采用灰色综合关联度理论识别了影响爆破振动速度的7个重要因素,通过麻雀搜索算法(SSA)改进Elman神经网络的方法建立了爆破振动速度预测模型。研究结果表明,与Elman神经网络预测模型相比,X、Y以及Z方向的爆破振动速度SSA-Elman神经网络预测模型的预测值和实测值更接近,均方根误差(RMSE)以及平均绝对误差(MAE)较小,S_(RMSE)分别减少了54.2%、9.3%、34%,S MAE分别减少了50%、5.7%、21%,说明采用SSA优化Elman神经网络权值和阈值的方法,可以提高Elman神经网络预测模型的精度。; 关键词爆破振动预测 ELMAN神经网络麻雀搜索(SSA)算法灰色综合关联度分析; Keywords blasting vibration prediction Elman neural network Sparrow Search Algorithm(SSA) grey comprehensive relationship degree analysis; 分类号 TD235 [矿业工程—矿井建设]; 在线阅读下载PDF 职称材料

题名基于GRNN的金山店铁矿爆破振动峰值速度预测被引量：1: 3; 作者刘艳章邹晓甜潘世华陈小强张群张丙涛柯丽华; 机构武汉科技大学资源与环境工程学院; 出处《爆破》 CSCD 北大核心 2017年第2期20-25,79,共7页; 基金国家自然科学基金面上项目(编号:51074115) 国家自然科学基金青年项目(51204127) 湖北省自然科学基金重点项目(2015CFA142); 文摘为研究爆破振动对金山店铁矿地表构筑物和井下巷道的影响,引入广义回归神经网络(GRNN)的方法,分别以地表、井下部分振动监测数据为学习样本对GRNN进行训练,构建地表、井下爆破振动峰值速度的GRNN预测模型,以剩余振动监测数据为检测样本对地表和井下GRNN预测模型进行检验,并将GRNN模型的预测结果与BPNN、基函数回归法和经验公式法作对比。同时,将地表、井下GRNN模型的预测结果与以地表和井下综合训练数据为学习样本构建的综合GRNN预测模型进行对比。研究结果表明:对于地表监测点,四种方法的预测误差率依次为12.1%、18.9%、30.3%、43.7%;对于井下监测点,四种方法的预测误差率依次为14.0%、16.2%、19.9%、23.0%。GRNN的预测精度最高,其为爆破振动峰值速度的预测提供了一种新方法,且采用GRNN对地表、井下质点爆破振动峰值速度分别进行预测更加合理。; 关键词金山店铁矿 GRNN 爆破振动峰值速度爆破振动预测; Keywords Jinshandian iron mine GRNN peak blasting particle velocity blasting vibration prediction; 分类号 TD235.3 [矿业工程—矿井建设]; 在线阅读下载PDF 职称材料

题名基于人工智能方法的地下洞室群爆破振动速度预测被引量：4: 4; 作者马晨阳张汉斌袁青周玉纯汪煜烽吴立刘洋; 机构中国地质大学(武汉)岩土钻掘与防护教育部工程研究中心中国地质大学(武汉)工程学院武汉电力职业技术学院电力工程系; 出处《爆破》 CSCD 北大核心 2017年第4期12-16,共5页; 基金国家自然科学基金资助项目(41672260) 中国地质大学(武汉)教学实验室开放基金资助项目(SKJ2014061 SKJ2016091); 文摘特大断面地下洞库爆破开挖工程中涉及到众多的影响因素,为了较准确地预测出爆破振动速度,引入支持向量机理论,建立最小二成支持向量机爆破振动速度预测模型(LS-SVM模型),该模型利用结构风险最小化来提高求解问题的速度和精度。采用该模型对某地下水封LPG洞库工程进行爆破振动速度预测,并与传统的萨道夫斯基回归公式模型(萨氏模型)和模糊神经网络模型(FNN模型)进行对比分析。分析结果表明:LS-SVM模型、FNN模型与萨氏模型的全局均方根相对误差RMSRE分别为4.68%、14.42%与19.33%;LS-SVM模型有14组数据满足预测模型泛化能力误差阀值(6%)的要求,而FNN模型与萨氏模型均不满足要求。因此LS-SVM模型在爆破振动速度预测中的预测性能和泛化能力均优于FNN模型及萨氏模型,可为多因素影响下类似工程爆破振动速度预测提供借鉴经验。; 关键词地下洞室群爆破振动速度预测最小二乘支持向量机模糊神经网络; Keywords underground caverns blasting vibration velocity prediction least squares support vector machine fuzzy neural network; 分类号 TD235.3 [矿业工程—矿井建设]; 在线阅读下载PDF 职称材料

题名爆破地震波传播规律试验研究被引量：19: 5; 作者安胜杰易吉祥池恩安于海阔欧阳天云; 机构保利久联控股集团有限责任公司安顺新联爆破工程有限公司保利新联爆破工程集团有限公司保利民爆哈密有限公司; 出处《爆破》 CSCD 北大核心 2021年第2期32-36,166,共6页; 基金 2019年新疆维吾尔自治区引进高层次人才天池计划。; 文摘根据别斯库都克露天煤矿的现场情况,分析爆破地震波在多台阶边坡中的传播规律,对矿区台阶边坡进行爆破振动测试,选取爆破区域上部平台由近到远依次布置的四个振动测试点,共进行爆破振动试验7次,取得5组有效数据。通过对5组振动数据结果进行萨道夫斯基公式回归拟合分析,轴向、径向和垂直方向的振动公式拟合结果的相关性系数R均大于0.8,线性相关性较好,振动传播公式对该地质条件下的边坡震动衰减规律有较好的适用性,且随着爆心距的增大,边坡质点振动速度不断衰减,三个方向中水平径向峰值振速最大,水平切向次之,垂直方向最小,爆心距对爆破振动速度的影响要远大于高程。利用该公式开发爆破振动预测软件,通过给定的参数可实现测点位置的振动峰值预测、校核最大单段起爆药量、校核振动安全距离,为解决非工作帮的边坡稳定提供数据基础。; 关键词露天煤矿爆破地震波萨道夫斯基公式爆破振动预测软件; Keywords open-pit coal mine blasting seismic wave sadovski formula blasting vibration prediction software; 分类号 TD235.1 [矿业工程—矿井建设]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于遗传算法的神经网络在爆破振动预测中的应用	TUMENBAYAR BADRAKH-YERUUL 夏岸雄张建华王涛	《爆破》 CSCD 北大核心	2014	8	在线阅读下载PDF 职称材料
2	基于SSA-Elman神经网络的爆破振动速度预测	王晗闫鹏张云鹏巩瑞杰袁腾杨曦	《工程爆破》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于GRNN的金山店铁矿爆破振动峰值速度预测	刘艳章邹晓甜潘世华陈小强张群张丙涛柯丽华	《爆破》 CSCD 北大核心	2017	1	在线阅读下载PDF 职称材料
4	基于人工智能方法的地下洞室群爆破振动速度预测	马晨阳张汉斌袁青周玉纯汪煜烽吴立刘洋	《爆破》 CSCD 北大核心	2017	4	在线阅读下载PDF 职称材料
5	爆破地震波传播规律试验研究	安胜杰易吉祥池恩安于海阔欧阳天云	《爆破》 CSCD 北大核心	2021	19	在线阅读下载PDF 职称材料