PCA-BP算法在地面爆破振动中的应用

发布时间：2021-06-27 17:56

　　为了更加准确地预测地面爆破的质点峰值振动速度,提出应用一种PCA-BP算法,该算法首先利用主成分分析对爆心距、高程差、总药量、炮孔深度、单段最大药量等地面爆破振动影响因素进行研究,然后结合BP神经网络算法对其爆破质点峰值振动速度进行预测。结果显示:利用PCA-BP算法的预测结果更接近工程实测值,平均相对误差为7.748%,远小于用传统萨道夫斯基经验公式进行预测的平均相对误差32.654%,说明将PCA-BP算法应用到爆破振动工作中是比较可行的,对评估地面振动危害有一定的指导意义。 

【文章来源】：工程爆破. 2020,26(05)CSCD

【文章页数】：6 页

【部分图文】：

碎石图

采用梯度下降动量和自适应lr算法‘tansig’训练BP网络。学习率为0.05,目标误差为0.625×10-3,最大迭代次数为1 000,使用MATLAB软件进行计算。前15个网络输出与实际输出对比如图2所示。地面爆破质点峰值振动速度预测结果与期望目标的关系如图3所示。

地面爆破质点峰值振动速度预测结果与期望目标的关系如图3所示。利用PCA-BP算法经MATLAB计算可得测试数据(后5组)预测结果值分别为2.349 2、4.929 6、0.771 2、1.150 3、1.421 4。将预测结果与期望目标拟合成线性函数,计算得二者的相关系数达到 0.896 75(理想状态是相关系数等于1时)[13],说明预测结果的可信度较高。

【参考文献】：
期刊论文
[1]主成分分析在碳排放中的应用[J]. 胡航英.  纳税. 2019(20)
[2]基于随机森林算法的爆破振速预测研究[J]. 张吉勇,付玉华,周俊.  化工矿物与加工. 2018(04)
[3]基于Matlab和BP神经网络的爆破振动预测系统[J]. 施建俊,李庆亚,张琪,卫星,王辉.  爆炸与冲击. 2017(06)
[4]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[J]. 李新,曹鹏飞.  甘肃水利水电技术. 2016(02)
[5]优化的GEP算法在爆破振动预测中的应用[J]. 王斌,张迅,盛津芳,陈新,史秀志.  计算机工程与应用. 2016(22)
[6]大跨度隧道施工爆破地震波监测及减震措施[J]. 陈翰新,吴明生.  交通科技与经济. 2010(04)
[7]基于人工神经网络的大海则煤矿单井矿井水定量预测[J]. 于洋,张振文,于孔超.  科技创新导报. 2009(19)
[8]基于BP神经网络的爆破振动峰值及主频预测[J]. 张艺峰,姚道平,谢志招.  工程地球物理学报. 2008(02)
[9]一种基于PCA的GEP算法及在采煤工作面瓦斯涌出量预测中的应用[J]. 谷琼,蔡之华,朱莉,黄波,杜均.  应用基础与工程科学学报. 2007(04)
[10]基于MATLAB神经网络工具箱的岩爆预测模型[J]. 孟陆波,李天斌,王震宇.  中国地质灾害与防治学报. 2003(04)

硕士论文
[1]制造业备件库存管理优化体系研究与应用[D]. 姚菲.北京邮电大学 2014



本文编号：3253327