為了更好的預測爆破振動速度,運用遺傳算法(GA)對BP神經(jīng)網(wǎng)絡的權(quán)值與閾值進行優(yōu)化,構(gòu)建GA-BP神經(jīng)網(wǎng)絡預測模型。結(jié)合華潤小徑灣實際爆破工程監(jiān)測數(shù)據(jù),確定以最大單段藥量、爆心距以及測點至爆心的高程差作為輸入?yún)?shù),對爆破振動速度進行預測,并與BP神經(jīng)網(wǎng)絡模型的預測結(jié)果進行對比。結(jié)果表明:GA-BP神經(jīng)網(wǎng)絡模型預測結(jié)果的平均相對誤差為5.80%,明顯小于BP神經(jīng)網(wǎng)絡模型預測的平均誤差14.19%。相比之下,GA-BP神經(jīng)網(wǎng)絡模型的預測精度更高,穩(wěn)定性更好,可為多因素影響下類似工程爆破振動速度預測提供借鑒經(jīng)驗。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1GA-BP神經(jīng)網(wǎng)絡算法流程圖

由于對爆破振動速度產(chǎn)生影響的因素眾多,而且各個因素之間的關(guān)系也呈現(xiàn)出非常復雜的非線性關(guān)系,考慮到參數(shù)的代表性、易獲取性等因素,再加上經(jīng)典的爆破振速預測公式薩道夫斯基經(jīng)驗公式等原因,綜合考慮輸入層選擇最大單段藥量Q、爆心距R以及測點至爆心的高程差H作為本個GA-BP神經(jīng)網(wǎng)絡模型的輸....

圖2BP神經(jīng)網(wǎng)絡拓撲結(jié)構(gòu)

從實驗數(shù)據(jù)隨機選取36組數(shù)據(jù)作為訓練樣本對GA-BP神經(jīng)網(wǎng)絡進行訓練,剩下的5組數(shù)據(jù)作為測試樣本以驗證GA-BP神經(jīng)網(wǎng)絡訓練后得到的最優(yōu)權(quán)值和閾值的可靠性,并與無優(yōu)化的BP神經(jīng)網(wǎng)絡的預測結(jié)果進行對比,來驗證GA-BP神經(jīng)網(wǎng)絡的可行性和優(yōu)越性。訓練樣本見表1。圖3現(xiàn)場測振儀

圖3現(xiàn)場測振儀

圖2BP神經(jīng)網(wǎng)絡拓撲結(jié)構(gòu)在編程過程中,需要對BP神經(jīng)網(wǎng)絡的一些傳遞函數(shù)和數(shù)據(jù)進行設置。隱含層選取Tan-Sigmoid作為傳遞函數(shù),而輸出層選取線性函數(shù)作為傳遞函數(shù)。并且在權(quán)值修正過程中選擇Levenberg-Marquardt(trainlm)反向傳播算法訓練函數(shù)。同時,設....

圖4預測結(jié)果分析圖

表4預測結(jié)果及誤差Table4Predictionresultsanderrors編號實測速度/(cm·s-1)GA-BPNN模型預測結(jié)果/(cm·s-1)相對誤差/%BPNN模型預測結(jié)果/(cm·s-1)相對誤差/%14.503.9711.88....

本文編號：3947986