本文關(guān)鍵詞：仙女巖隧道下穿油氣管道段爆破振動效應(yīng)預(yù)測研究　出處：《西南交通大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： EMD分解 BP神經(jīng)網(wǎng)絡(luò) 支持向量機

【摘要】：本文以西成客專仙女巖隧道出口段掘進爆破為工程背景。由于隧道下穿油氣管道,并且隧道走向與天然氣管道走向相交,垂直距離約55m。隧道采用鉆爆法施工,必然會對周圍巖層及油氣管道造成一定影響。我們需要控制對掘進爆破過程中所產(chǎn)生的影響,達到確保油氣管道安全的目的。本文對現(xiàn)場監(jiān)測數(shù)據(jù)進行地表爆破振動特性的分析得到在掘進爆破過程不同類型的炮孔產(chǎn)生了不同程度的波的疊加。通過頻譜分析得到隨著測點與掌子面的距離不斷增大,振動速度主頻率也相應(yīng)提高,單段裝藥量的增加,相應(yīng)的峰值振動速度的主頻率反而降低的規(guī)律。并且EMD分解能選擇性的濾掉不需要的波,而通過重構(gòu)波的幅值包絡(luò)圖能分析出每段雷管實際起爆時間及之間的延遲。通過實測數(shù)據(jù)的回歸擬合分析,得出該工程并不符合薩道夫斯基的經(jīng)驗公式,需要采取其他方法進行爆破振動峰值預(yù)測。本文選擇BP神經(jīng)網(wǎng)絡(luò)、GA-BP、PSO-SVM、 GA-SVM四種預(yù)測方法,通過實測數(shù)據(jù)進行訓(xùn)練,并得到每種方法的預(yù)測結(jié)果。通過預(yù)測結(jié)果對比,誤差相對百分比依次為GA-BP、PSO-SVM、GA-SVM、BP神經(jīng)網(wǎng)絡(luò)。其中GA-BP、PSO-SVM預(yù)測誤差百分比均很小,然而GA-BP的拓撲結(jié)構(gòu)依然是BP神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu),具有一定的不穩(wěn)定性,而支持向量機克服了傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)所固有且無法避免的缺陷,并且大多數(shù)工程中都是小樣本預(yù)測。綜合而言采用PSO-SVM方法進行預(yù)測,效果最佳。
[Abstract]:The project background is the driving blasting of the exit section of the Xianxian tunnel in the west of this paper. Because of the passage of oil and gas pipeline under the tunnel and the intersection of the tunnel direction and the natural gas pipeline direction. The vertical distance is about 55m.The tunnel is constructed by drilling and blasting method, which will inevitably affect the surrounding rock formations and oil and gas pipelines. We need to control the impact on the excavation blasting process. In order to ensure the safety of oil and gas pipeline, this paper analyzes the vibration characteristics of surface blasting with the monitoring data on the spot. It is concluded that different types of blasting holes have different degrees of wave superposition in the process of tunneling blasting. The results show that the distance between the measuring point and the palm surface is increasing. The main frequency of the vibration velocity also increases correspondingly, and the main frequency of the corresponding peak vibration velocity decreases with the increase of the charge quantity in the single section. Moreover, the EMD decomposition can selectively filter out the unwanted wave. Through the reconstruction of the amplitude envelope diagram, the actual detonator initiation time and the delay between the detonators can be analyzed. Through the regression fitting analysis of the measured data, it is concluded that the project does not accord with the empirical formula of Sadolski. It is necessary to adopt other methods to predict the peak value of blasting vibration. In this paper, the BP neural network and four prediction methods of PSO-SVM and GA-SVM are selected and trained by the measured data. The relative percentage of the error is GA-BPU PSO-SVMN GA-SVMBP neural network, in which GA-BP. The percentage of PSO-SVM prediction error is very small, but the topological structure of GA-BP is still the topological structure of BP neural network, which has some instability. Support vector machine (SVM) overcomes the inherent and unavoidable defects of traditional neural networks, and most of the projects are small sample prediction. In summary, PSO-SVM method is the best method for prediction.
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U455.41

【參考文獻】

相關(guān)期刊論文 前10條

1 易長平;馮林;王剛;黃立茂;;爆破振動預(yù)測研究綜述[J];現(xiàn)代礦業(yè);2011年05期

2 許海亮;張繼春;楊紅;甄新武;;鉆孔爆破振動速度計算公式及其簡化的探討[J];同濟大學(xué)學(xué)報(自然科學(xué)版);2007年07期

3 劉美山;吳從清;張正宇;;小灣水電站高邊坡爆破震動安全判據(jù)試驗研究[J];長江科學(xué)院院報;2007年01期

4 汪祥平;城區(qū)爆破振動控制孔內(nèi)外分段接力起爆技術(shù)及其應(yīng)用[J];鐵道建筑;2005年S1期

5 吳綿拔;;土巖微差爆破的振動效應(yīng)[J];土工基礎(chǔ);2005年06期

6 劉華軍;重慶某車站隧道爆破震動控制技術(shù)[J];西部探礦工程;2005年S1期

7 彭德紅;;某石料廠石材開采爆破震動測試與分析[J];爆破;2005年04期

8 王明波;復(fù)雜環(huán)境下城市地鐵豎井施工技術(shù)[J];鐵道建筑技術(shù);2005年04期

9 陳慶,王宏圖,胡國忠,李曉紅,李開學(xué),龐成;隧道開挖施工的爆破振動監(jiān)測與控制技術(shù)[J];巖土力學(xué);2005年06期

10 唐浩,朱傳云,潘瑞勇;朝陽寺電站隧洞開挖中的爆破震動控制[J];中國農(nóng)村水利水電;2005年01期

相關(guān)碩士學(xué)位論文 前1條

1 胡國忠;城市地下工程爆破的地面爆破震動效應(yīng)及其震動強度預(yù)測[D];重慶大學(xué);2005年

，

本文編號：1412669