-
题名基于SSA-BP的爆破振动峰值速度预测研究
被引量：4
- 1
-
-
作者
李攀云
高文学
张小军
何茂林
葛晨雨
王林
-
机构
北京工业大学城市建设学部
北京市政路桥股份有限公司
-
出处
《爆破》
CSCD
北大核心
2024年第3期205-211,共7页
-
基金
爆破工程湖北省重点实验室开放基金(项目编号:BL2021-23)。
-
文摘
为了精准预测爆破振动峰值速度(PPV),有效降低爆破振动的危害,以星光一号露天矿山爆破工程为依托,选取爆心距、堵塞长度、最小抵抗线、炸药单耗、最大单孔装药量、总延期时间、最大单响药量等7个影响因素作为输入变量,采用灰色关联分析法评估各因素与PPV之间的相关性,构建麻雀搜索算法(SSA)优化BP神经网络的爆破峰值振速预测模型,对三向峰值振动速度进行预测,并与BP神经网络模型预测结果进行对比分析,得到SSA-BP神经网络模型预测结果的平均误差分别为6.08%、7.34%、1.91%,BP神经网络模型预测结果的平均误差分别为22.19%、54.01%、25.29%。研究结果表明:SSA-BP神经网络模型全面考虑了多种爆破设计参数对振动峰值速度的影响;麻雀搜索优化算法有效解决了传统BP神经网络模型容易陷入局部最优的问题,预测结果更精确,与振速监测值吻合度更高、误差更小;并且极大地缩短了样本数据的学习训练时间,加快BP神经网络预测模型的收敛速度,可为类似露天爆破工程质点峰值振速的预测提供借鉴。
-
关键词
爆破振动
露天矿山
质点峰值振速预测
BP神经网络
SSA-BP神经网络模型
-
Keywords
blasting vibration
open-pit mines
peak particle velocity prediction
BP neural network
SSA-BP neural network model
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TD235
[矿业工程—矿井建设]
-
