爆破振动特征参量的SVM及神经网络预测应用研究

发布时间：2018-05-28 03:33

本文选题：爆破震动特征参量 + 预测精度　；参考：《公路》2017年04期

【摘要】：通过RBF、BP神经网络及SVM算法3种预测方法,对爆破震动特征参量进行预测,并与传统萨道夫斯基公式进行对比分析研究。结果表明,3种方法预测精度均优于传统萨道夫斯基公式。当样本数有限时,BP、RBF神经网络在爆破振动峰值振动速度及主频率的预测中效果欠佳,SVM算法的预测精度优于RBF、BP神经网络,在实际工程应用中SVM算法对爆破振动特征参量的预测具有极强的适应性。
[Abstract]:The characteristic parameters of blasting vibration are predicted by RBF-BP neural network and SVM algorithm, and compared with the traditional Sadolski formula. The results show that the prediction accuracy of the three methods is superior to that of the traditional Sadolski formula. When the number of samples is limited, the prediction accuracy of SVM algorithm is better than that of RBFN BP neural network in predicting the peak vibration velocity and main frequency of blasting vibration. In practical engineering application, the SVM algorithm has a strong adaptability to predict the characteristic parameters of blasting vibration.
【作者单位】：贵州高速公路集团有限公司;贵州省交通规划勘察设计研究院股份有限公司;贵州大学资源与环境工程学院;
【基金】：贵州省交通运输厅科技项目,项目编号2015122046
【分类号】：TU751.9;TP183

【相似文献】