本文選題：爆破震動特征參量 + 預(yù)測精度��； 參考：《公路》2017年04期

【摘要】：通過RBF、BP神經(jīng)網(wǎng)絡(luò)及SVM算法3種預(yù)測方法,對爆破震動特征參量進行預(yù)測,并與傳統(tǒng)薩道夫斯基公式進行對比分析研究。結(jié)果表明,3種方法預(yù)測精度均優(yōu)于傳統(tǒng)薩道夫斯基公式。當樣本數(shù)有限時,BP、RBF神經(jīng)網(wǎng)絡(luò)在爆破振動峰值振動速度及主頻率的預(yù)測中效果欠佳,SVM算法的預(yù)測精度優(yōu)于RBF、BP神經(jīng)網(wǎng)絡(luò),在實際工程應(yīng)用中SVM算法對爆破振動特征參量的預(yù)測具有極強的適應(yīng)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.
【作者單位】： 貴州高速公路集團有限公司;貴州省交通規(guī)劃勘察設(shè)計研究院股份有限公司;貴州大學資源與環(huán)境工程學院;
【基金】：貴州省交通運輸廳科技項目,項目編號2015122046
【分類號】：TU751.9;TP183

【相似文獻】

相關(guān)期刊論文 前6條

1 林小南;;爆破振動特征參量的粗糙集模糊神經(jīng)網(wǎng)絡(luò)預(yù)測[J];門窗;2013年07期

2 史秀志;王懷勇;田建軍;;基于灰關(guān)聯(lián)法的爆破振動特征參量影響因素的敏感性分*析[J];礦業(yè)研究與開發(fā);2008年06期

3 史秀志;薛劍光;陳壽如;;爆破振動特征參量的粗糙集模糊神經(jīng)網(wǎng)絡(luò)預(yù)測[J];振動與沖擊;2009年07期

4 譚昌偉;郭文善;王紀華;朱新開;王君嬋;;淺析遙感光譜特征參量的原理及基本方法[J];遙感技術(shù)與應(yīng)用;2010年01期

5 齊琳琳;從隨機媒質(zhì)反射波中分析媒質(zhì)特征參量的一種新方法[J];西南工學院學報;1999年01期

6 ;[J];;年期

相關(guān)會議論文 前2條

1 王子茹;;透視體系特征參量的研究[A];第十四屆全國圖學教育研討會暨第六屆制圖CAI課件演示交流會論文集（下冊）[C];2004年

2 李興;張霞;陳正超;張兵;;基于VBA的光譜特征參量提取[A];第十五屆全國遙感技術(shù)學術(shù)交流會論文摘要集[C];2005年

，

本文編號：1945100