為了更好的預(yù)測(cè)爆破振動(dòng)速度,運(yùn)用遺傳算法(GA)對(duì)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值與閾值進(jìn)行優(yōu)化,構(gòu)建GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。結(jié)合華潤(rùn)小徑灣實(shí)際爆破工程監(jiān)測(cè)數(shù)據(jù),確定以最大單段藥量、爆心距以及測(cè)點(diǎn)至爆心的高程差作為輸入?yún)?shù),對(duì)爆破振動(dòng)速度進(jìn)行預(yù)測(cè),并與BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比。結(jié)果表明:GA-BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果的平均相對(duì)誤差為5.80%,明顯小于BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的平均誤差14.19%。相比之下,GA-BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)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(dòng)速度預(yù)測(cè)提供借鑒經(jīng)驗(yàn)。

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

圖1GA-BP神經(jīng)網(wǎng)絡(luò)算法流程圖

由于對(duì)爆破振動(dòng)速度產(chǎn)生影響的因素眾多,而且各個(gè)因素之間的關(guān)系也呈現(xiàn)出非常復(fù)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(yù)測(cè)公式薩道夫斯基經(jīng)驗(yàn)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(cè)點(diǎn)至爆心的高程差H作為本個(gè)GA-BP神經(jīng)網(wǎng)絡(luò)模型的輸....

圖2BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

從實(shí)驗(yàn)數(shù)據(jù)隨機(jī)選取36組數(shù)據(jù)作為訓(xùn)練樣本對(duì)GA-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,剩下的5組數(shù)據(jù)作為測(cè)試樣本以驗(yàn)證GA-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練后得到的最優(yōu)權(quán)值和閾值的可靠性,并與無(wú)優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比,來(lái)驗(yàn)證GA-BP神經(jīng)網(wǎng)絡(luò)的可行性和優(yōu)越性。訓(xùn)練樣本見(jiàn)表1。圖3現(xiàn)場(chǎng)測(cè)振儀

圖3現(xiàn)場(chǎng)測(cè)振儀

圖2BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)在編程過(guò)程中,需要對(duì)BP神經(jīng)網(wǎng)絡(luò)的一些傳遞函數(shù)和數(shù)據(jù)進(jìn)行設(shè)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(guò)程中選擇Levenberg-Marquardt(trainlm)反向傳播算法訓(xùn)練函數(shù)。同時(shí),設(shè)....

圖4預(yù)測(cè)結(jié)果分析圖

表4預(yù)測(cè)結(jié)果及誤差Table4Predictionresultsanderrors編號(hào)實(shí)測(cè)速度/(cm·s-1)GA-BPNN模型預(yù)測(cè)結(jié)果/(cm·s-1)相對(duì)誤差/%BPNN模型預(yù)測(cè)結(jié)果/(cm·s-1)相對(duì)誤差/%14.503.9711.88....

本文編號(hào)：3947986