粒子群优化-BP神经网络对岩爆的预测
BP神经网络在爆破震动速度预测中的应用
338BP 神经网络在爆破震动速度预测中的应用■ 唐 威[摘 要] 爆破震动的准确预测是确保工程爆破成功的前提，然而，爆破震动会受到爆破条件的复杂影响。
本文在分析爆破条件对爆破震动影响的基础上，利用BP 神经网络的高度非线性特性和强大学习能力，建立了爆破震动速度预测模型。
选用工程监测数据，对网络模型进行了训练和预测。
预测结果与实测数据具有较好的相关性，所建立的预测模型对爆破震动速度的预测具有较高的理论和应用价值。
[关键词] 爆破震动 BP 神经网络 预测目前，爆破技术广泛应用于采矿、水电、交通及国民经济建设各领域，而爆破震动是工程爆破中不容忽视的重要问题，直接关系到爆破工程能否顺利进行。
智能算法具有强大的非线性处理能力，是新时代研究爆破震动参数预测的基础，国内外的学者在智能预测方面进行了广泛而深入的研究。
本文在分析爆破条件对爆破震动影响的基础上应用BP 神经网络对爆破震动速度进行预测。
一、 爆破条件对爆破震动的影响目前，爆破条件对爆破震动的影响程度尚无定论，从系统工程的观点来看，爆破震动是一个多因素、多层次、多目标的复杂系统。
爆源因素和非爆源因素的共同作用决定了岩体爆破震动的强度，国内外的学者针对爆破条件对爆破震动的影响做了大量卓有成效的研究。
相关研究指出，最大段药量、爆心距和高差是影响爆破震动强度的最主要因素。
二、 BP 神经网络1. BP 神经网络的原理BP（Back-Propagation）神经网络是一种误差反向传递的多层前向网络。
本文采用典型的3层前馈型BP 神经网络的学习算法结构，如图1所示。
网络由输入层、隐含层和输出层组成，设其输入层、隐含层、输出层的神经元个数分别为m、h、n，各层的编号依次为LA、LB、LC，输入参数的数据以向量形式输入，相邻的神经元实行全连接。
2. 爆破震动速度预测的BP 神经网络模型 BP 神经网络模型的设计与构造主要有三项内容：输入参数、隐含层神经元个数和输出参数的确定。
改进的BP神经网络在隧道岩爆预测中的应用
岩 石质 量 的优劣 直接 影 响着岩 体 的变形 特性 和
ｍｏ ｅ ｉ ｅｔｂｉｈ ｄ Ｔ ｋｎ ｔ ｅ ｅ ｉｔ ｇ ｒｃ ｂ ｒｔ ｄ ｔ ａ ｔａｎｎ ｓ ｔｈ． ｔｅ ｉｔｎ ｉ ｏ ｒ ｃ ｄ ｌ ｓ ｓａ ｌ ｅ ． ａ ｉ ｇ ｈ ｘｓｉ ｏ ｋ ｕ ｓ ｓ ｎ ａａ ｓ ｒｉ ｉｇ ｗａｃ ｈ ｎｅ ｓｔ ｆ ｏ ｋ ｙ
通过对 国 内外 曾经 发生 岩爆 的一些工 程概 况 的
脉 、断层 以及 岩层 的突变 等等 。特别 是 向斜 的轴 部
岩 层 存 在 较 大 的地 应 力 ，聚积 有 大 量 的弹 性 变 形
￣
Ｓ Ｒ Ｎ Ａ Ｄ Ｏ Ｐ Ｔ ＤＲ
， ｌ（ ２４ ｌ） ２ ０№ ｌ／ ６ ０ ２
体 破坏 时转 化为较 大 的动能 ，使其 弹射 、抛 出形成 岩 爆 ；反之 ，在岩 性复 杂的破 碎岩层 ，构 造变 动强 烈 ，构造 影 响严 重 ，接 触 和挤 压 破 碎带 、风 化 带 ，
的人工 神经 网络 方法 正适 合解决 此类 问题 ，它不 要
求 岩爆 与各影 响 因素 间有 明确 的函数关 系 ，可作 为 预测 岩爆 的一条 有效 的研究 途径 。采用 改进 的人工 神 经 网络方 法预 测 岩爆 的关键 在 于 。选 取 必要 的 、 容易确定 的影 响岩爆 的主要 因素 。进行 正确 的预测 。
岩 爆是指 在 高地应力 地 区洞室 开挖后 ，由于洞
室 围岩 的应力 重分 布和应 力集 中 ，储存 于 岩体 的弹 性 应变 能突然 释放 ，由此 产生爆 裂松脱 、剥 落 、弹
基于关联分析和遗传算法优化BP的隧道围岩变形预测
基于关联分析和遗传算法优化BP的隧道围岩变形预测引言随着交通事业迅速发展，隧道工程被广泛应用在交通基础设施建设领域。
隧道工程凭借缩短线路距离、避免高路堑等优势，建设比例不断增加。
为确保运营和施工安全，其变形预测研究具有重要的意义[1-2]。
隧道施工时，由于各种地质灾害给隧道施工带来很大的难度。
近些年来，很多国内外学者对于围岩质量、稳定性进行了研究和综合探索。
吴波等[3]通过有限元数值计算对上软下硬地层隧道围岩稳定性量化评价标准进行了详细的分析和系统的研究，从而建立围岩稳定量化评价体系。
刘明才[4]采用Monte Carlo方法，计算了岩体结构的可靠性，并分析了结构面参数的不确定性对块体稳定性的影响。
涂瀚[5]对水平层状砂质板岩隧道的稳定性及破坏机理进行研究，为水平层状围岩隧道的建设提供参考。
黄志平[6]通过RFPA方法考虑岩石材料的细观非均匀特性，对深埋硬岩隧洞全断面一次开挖和分断面多次开挖进行数值模拟分析，研究多个特征方面对围岩稳定性的影响及其破坏机制。
张露晨等[7]利用关键块体理论矢量分析方法分析隧道围岩的稳定性。
XIAO R Y, ZHU W, HE MC等[8-10]通过对滑坡进行监测，对滑坡下隧道围岩稳定性进行了一定的研究。
同时，围岩稳定性研究中，隧道围岩位移预测预报也是一项重要的内容，对施工决策有非常重要的意义。
在现场测试中，多种因素的影响，监测数据存在偶然误差且具有离散性。
在实际应用中，必须进行数学处理，找出量测位移在不同因素的影响下，随时间、空间变化的规律，同时预测其发展变化趋势，以科学地评价围岩的稳定性[11]。
叶超[2]提出以粒子群算法对GM(1，1)模型参数进行优化，然后以BP 神经网络为基础，建立误差修正模型，旨在进一步提高预测精度。
张可能等[11]采用时空统一Kriging插值预测模型和DGM(1，1)灰色预测模型，预测隧道施工过程中掌子面前方一定范围内任意时刻的拱顶沉降。
神经网络及其在岩爆灾害预测中的应用
神经网络及其在岩爆灾害预测中的应用倪富来【摘要】岩爆是高地应力区岩质隧道开挖施工过程中发生的主要施工地质灾害之一,它的发生对隧道施工企业的安全生产构成很大的威胁,对岩爆发生可能性及其程度的预测是这类隧道设计、施工及安全生产所面临的重大问题.依据隧道岩爆发生的条件,基于国内外隧道及地下工程岩爆实例,应用人工神经网络方法,建立了岩爆危险性预测的评价模型并应用vc++6.0实现了该评价模型,将其运用到武隆隧道的岩爆预测中,取得了良好的效果.【期刊名称】《重庆建筑》【年(卷),期】2011(010)007【总页数】4页(P33-36)【关键词】BP神经网络;武隆隧道;岩爆预测【作者】倪富来【作者单位】中铁十六局集团第五工程有限公司,唐山,063030【正文语种】中文【中图分类】U455.6岩爆是隧道开挖过程中围岩的一种非正常破坏现象，主要表现为大范围的岩体突然破坏，破裂围岩的动力抛掷，并伴有不同程度的爆炸、撕裂声，围岩释放大量能量，使几米至几百米的硐室瞬间破坏。
严重的岩爆可将巨石猛烈抛出，甚至一次岩爆就能抛出数以吨计的岩块和岩片，常常造成人员伤亡和设备损失。
岩爆不仅使人产生恐惧感，而且直接威胁施工人员和设备的安全，严重的会诱发地震，造成地表建筑物的破坏。
所以对岩爆发生的可能性及其危险程度的预测是隧道设计、施工企业在高地应力区岩质隧道建设过程中所必须解决的问题[1]。
目前专家、学者们已从强度、刚度、能量、稳定、断裂、损伤、分形和突变等方面对岩爆现象进行了分析，提出各种假设和判据。
在一些假设和判据中仅考虑个别影响因素，会产生片面性和局限性，而考虑所有因素又会使问题复杂化[2]。
另外，岩土工程中的有关因素，其本身通常只具有相对的准确度，它们与岩爆的关系往往不能以简单的是与否进行评价，非线性的人工神经网络方法正适合解决此类问题，它不要求岩爆与各影响因素间有明确的函数关系，只需要选取必要的、容易确定的影响岩爆的主要因素，进行正确的学习和预测。
基于BP神经网络隧道施工岩爆预测研究
张俊峰 ：基于 Ｂ Ｐ神经 １ 可 知 ，影 响岩爆 的 因素 可分 为 三种 ：应 力 、强 度 、能 量 Ｊ 。就 具体 工 程 而论 ，由于 工 程背 景不 同 ，则影 响到应力 （ 初 始 地应 力 、二次 应 力 ） 、
误 差 反传 （ 学 习算 法 ）
个循环 过程 ，每 一 循 环 主 要 由两 步 组 成 。第 一 步 ，输 入信息 由输 入层 经过 隐 含层 并 逐 层处 理 计算
・
２ ０ｏ ・
路 基 工 程 Ｓ ｕ ｂ ｇ ｒ ａ ｄ ｅ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ
２ ０ １ ３年第 ３期 （ 总第 １ ６ ８期 ）
基于 Ｂ Ｐ神 经 网络 隧道 施 工 岩 爆 预 测研 究
张俊 峰
（ 中 国建筑西南勘察设计研究 院有限公 司 ，成 都 ６ １ ０ ０ ３ １）
的应力集 中，致使 岩 石 中应力 超 过其 强度 或 积 聚足 够大 的能量 。不 同岩 爆因素及经验 判据 ，如表 １ 。
表 １ 不 同岩爆 因素判 据及 相应计 算方 法
挖方 式和断 面形 式等 。仅 凭一 种 因素 对 岩爆 进 行判
断 ，显然不太 合理 ，结 果也 不 太 准 确 ，获 得 的影 响
岩爆是 硬岩在高 地应力下 发生 的一种地 质灾 害 ，
在隧道工 程施 工 中 ，直接 危及 操 作 工人 和 挖 掘设 备
的安全 ，常致使 工程 进 度滞 后 。如 何 准确 预 测岩 爆 的发生及 其严 重程 度 ，提前 采取 预 防措 施 减 轻岩 爆 发生带来 的灾害 ，已被工程界 列为世 界性 难题 之一 。 国内外许 多专 家学 者虽 做 了大量 研 究 ，但 就 岩爆 发 生机制 、预测方 法 、防治 办 法 ，均没 有 形 成 一个 科 学 的体 系 。影 响岩爆 的因素 众多 ，有初始 地应 力场 、 二次 应力 场 、岩石 岩 性 、完 整 性 、地 下 水 、施工 方 法等 。影响隧道 围岩开 挖后 的二 次地 应力 的 因素也 很 多 ，如 围岩 中原 始地 应 力 的 大小 和 方 向 ，隧 道开
神经网络及其在岩爆灾害预测中的应用
神经网络及其在岩爆灾害预测中的应用1. 神经网络技术综述1.1 神经网络的基本概念1.2 神经网络算法分类1.3 神经网络应用领域综述2. 岩爆灾害概述2.1 岩爆灾害的产生原因和特点2.2 岩爆灾害预测研究现状3. 基于神经网络的岩爆灾害预测模型3.1 数据集准备和特征分析3.2 神经网络模型的设计与实现3.3 模型训练与优化4. 实验对比分析4.1 实验设计与实施4.2 模型性能评估与对比分析4.3 结果分析与总结5. 后续研究与展望5.1 研究不足和存在问题5.2 神经网络在岩爆灾害预测中的应用前景5.3 拓展研究思路和方向第一章：神经网络技术综述1.1 神经网络的基本概念神经网络是一种模拟生物神经系统运作的人工智能算法，其结构类似于生物神经元。
神经网络由大量相互连接的简单处理元素（神经元）组成，其主要特点是具有自我学习、自我适应、自我组织等能力，能够识别数据的特征，发现数据中的规律和模式。
神经网络具有高度的复杂性、自适应性和非线性映射能力，并广泛应用于自然语言处理、图像识别、信号处理、金融预测、医疗诊断等领域。
1.2 神经网络算法分类神经网络算法主要分为单层感知器和多层前馈神经网络。
单层感知器是最简单的神经网络，其结构只有输入层和输出层。
多层前馈神经网络具有多个隐藏层，其中每个神经元与前一层的所有神经元都有连接。
多层前馈神经网络具有非线性映射能力，能够处理多类分类、回归和聚类等任务。
目前，常见的多层前馈神经网络算法有BP（Back Propagation）神经网络和RNN （Recurrent Neural Network）神经网络等。
1.3 神经网络应用领域综述随着机器学习技术的不断发展，神经网络应用的领域日益扩大。
在自然语言处理方面，神经网络被广泛应用于机器翻译、情感分析、命名实体识别等任务。
在图像识别方面，深度学习算法（如卷积神经网络）已被广泛用于人脸识别、目标检测与跟踪等领域。
在医疗健康领域，神经网络被应用于医学图像分析、病人诊断和治疗方案优化等任务。
基于粒子群优化BP神经网络的隧道围岩位移反演分析
２ Ｇ ｏ ｃ ｎ ａ Ｅ ｇｎｅ ｎ ｓ ｔ ｅ Ｈ ｈ ｉ ｎ ｅ ｉ ，Ｎ ｎ ｎ ，Ｊ ｎ ｓ １０ ８ ｈ ｉ ； ． ｅｔ ｈ ｉ ｌ ｎ ｉ ｒ Ｉ ｔ ｔ ， ｏ ａ Ｕ ｉ ｒ ｔ ｅ ｃ ｅ ｉ ｎｉ ｇ ｕ ｖ ｓ ｙ ａｊ ｉ ｇ ｉ ｕ ２ ０ ９ ，Ｃ ｎ ａ ｇ ａ
Ｚ ＵＺ ｅ－ ｌ ， Ａ ＧＸ－ ｎ Ｈ Ｏ Ｚｅ－ ｎ， Ｎ ｈ ｈｎ Ｈ ｈｎ ｅ Ｙ Ｎ ｉ ｉ ｄ一 ｑ ｇ， Ａ ｈｎｑ ２ ＷＡ ＧＳｉ ｏｇ ｕ — ３
（ ． ｏｅｅｏ ｒ ｉｃ ｒ ａｄＣｖ ｎｉ ｅｎ ，Ｗ ｎ ｏ ｎ ｅ ｉ ，Ｗ ｎ ｏ ，Ｚ ｅａ ２０５ ｈ ａ １ Ｃ Ｚｇ ｃ ｔｔ ｅ ｎ ｉｌ ｇ ｅ ｉ ｔ ｆＡ ｈｅ ｕ ｉＥ ｎ ｒ ｇ ｅ ｈｕＵ ｉｒｔ ｚ ｖ ｓｙ ｅｚ ｕ ｈ ｉｎ ３５３ ，Ｃ ｉ ； ｈ ｊｇ ｎ
基 于粒 子 群 优 化 Ｂ Ｐ神 经 网 络 的 隧 道 围岩 位 移 反 演 分 析
朱珍德 一 ， ，杨喜庆 ，郝振群 ，王士宏
矿山深部开采覆岩沉陷预测的改进粒子群优化BP模型
矿山深部开采覆岩沉陷预测的改进粒子群优化BP模型陈健峰【期刊名称】《金属矿山》【年(卷),期】2017(000)007【摘要】为提高矿山深部开采覆岩沉陷的预测精度,以吉林省某矿山为例,将覆岩抗压强度、工作面推进距离、采厚、煤层倾角、采深作为开采沉陷预测的主要影响因素,以煤层倾角、工作面推进距离、采厚等参数作为预测模型的输入值,将最大沉陷值作为预测模型的输出值,构建了BP神经网络开采沉陷预测模型.针对经典BP神经网络模型在训练时具有学习速度慢、抗干扰能力弱以及易陷入局部最小值等不足,采用一种改进型粒子群优化算法对其进行了优化,构建了改进粒子群优化BP神经网络模型.试验表明:①所提模型的平方相关系数R2为0.932、平均绝对误差eME为0.195、平均相对误差eMRE为0.082、训练时间t为21.5 s、均方误差eMSE为0.0671;②经典BP神经网络模型的平方相关系数R2为0.802、平均绝对误差eME为0.605、平均相对误差eMRE为0.255、训练时间t为30.9 s、均方误差eMSE为0.0891;③PSO-BP神经网络模型的平方相关系数R2为0.825、平均绝对误差eME为0.382、平均相对误差eMRE为0.216、训练时间t为23.5 s、均方误差eMSE为0.0782.可见,所提模型具有较高的训练效率,拟合效果较好且预测精度较高,对于大幅提升矿山开采沉陷预测精度有一定的借鉴价值.【总页数】5页(P128-132)【作者】陈健峰【作者单位】河北能源职业技术学院经济与管理系,河北唐山063000【正文语种】中文【中图分类】TD325【相关文献】1.松散层下覆岩裂隙采后闭合效应及重复开采覆岩破坏预测 [J], 王文学;隋旺华;董青红;胡文武;谷守侠2.深部开采覆岩关键层对地表沉陷的影响 [J], 许家林;连国明;朱卫兵;钱鸣高3.丰海煤矿深部煤炭开采覆岩破坏及地表沉陷规律 [J], 徐汝华4.巨厚覆岩下矿产重复开采地表沉陷预测及其控制 [J], 叶永芳;刘少华;吴晓辉;陈四宝;张缓缓5.基于Adaboost-PSO-BP模型的开采沉陷预测研究 [J], 邢垒;原喜屯;张沛因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
粒子群优化-BP神经网络对岩爆的预测
张强;王伟;刘桃根
【期刊名称】《三峡大学学报（自然科学版）》
【年(卷),期】2011(33)6
【摘要】岩爆是典型高地应力区主要地质灾害之一,其预测理论和发生机制的研究目前并不成熟.本文通过选择合适的影响岩爆程度的主要因素,应用BP神经网络对岩爆样本进行训练并利用预测样本进行检验,由于BP神经网络的初始权值和阀值对网络学习效率和预测结果有影响,因此其对检验样本的预测结果往往不够理想.利用粒子群算法(PSO)对BP网络的初始权值和阀值进行优化,将改进后的BP神经网络算法应用于预测,预测的结果优于BP神经网络.表明利用PSO-BP神经网络算法对实际工程中的岩爆进行预测是可行的.%Rock burst, as a basic kind of geological disaster, usually occurs in high geostress zones. There is no perfect prediction theory or occurrence mechanism so far. In this study, by choosing the main influence factors of rock bursts, BP neural network is used to train and predict the samples of rock bursts. Because initial weight values and threshold of the neural network have great effects on efficiency of learning and prediction of results, the prediction of testing samples using BP neural network are not satisfactory. The particle swarm optimization(PSO) algorithm is utilized to optimize the initial weight values and threshold of BP neural network. The improved BP neural network has a good prediction result for rock bursts. The results indicate that it is feasible
to predict rock bursts based on PSO-BP neural network in practical engineering.
【总页数】6页(P41-45,56)
【作者】张强;王伟;刘桃根
【作者单位】河海大学岩土力学与堤坝工程教育部重点实验室,南京 210098;河海大学岩土工程科学研究所,南京 210098;河海大学岩土力学与堤坝工程教育部重点实验室,南京 210098;河海大学岩土工程科学研究所,南京 210098;河海大学岩土力学与堤坝工程教育部重点实验室,南京 210098;河海大学岩土工程科学研究所,南京210098
【正文语种】中文
【中图分类】TU457
【相关文献】
1.基于BP神经网络的隧道岩爆预测模型研究 [J], 樊永攀
2.改进的BP神经网络在隧道岩爆预测中的应用 [J], 王斌
3.基于BP神经网络隧道施工岩爆预测研究 [J], 张俊峰
4.基于改进MATLAB-BP神经网络算法的隧道岩爆预测模型 [J], 孙臣生
5.基于组合赋权的遗传算法优化BP神经网络岩爆预测研究 [J], 闫鹏洋; 王利宁; 郭培文; 刘涛
因版权原因，仅展示原文概要，查看原文内容请购买。