基于BP神经网络的微差爆破震动预测研究.pdf

第3 2 卷第2 期 2 0 1 5 年6 月 爆破 B L A S T I N G V 0 1 ．3 2N o ．2 J u n ．2 0 1 5 d o i 1 0 ．3 9 6 3 ／j ，i s s n ．1 0 0 1 - 4 8 7 X ．2 0 1 5 ．0 2 ．0 2 8 基于B P 神经网络的微差爆破震动预测研究 王 涛1 ，张建华2 1 ．广东宏大爆破股份6 - m 公司，广州5 1 0 6 2 3 ；2 ．武汉理工大学，武汉4 3 0 0 7 0 摘要爆破震动危害是矿山安全评估的一个重要指标，爆前对其震动预测，做好安全防护，是保证矿山安 全生产的重要措施。爆破对象及其地质情况的不确定性、爆区周边环境的复杂性，使得震动监测难以用一套 统一的公式进行准确预测。人工神经网络可实现复杂环境、多因素影响下的仿真模拟，利用B P 神经网络建 立爆破震动预测模型，将爆破的原始数据及监测数据输入模型，利用M a t l a b 软件自带的神经网络软件包自 编程序对其进行训练，使得模型的传递函数达到最优。实践证明，将模型用于爆前震动预测，能够有效的预 测震动，指导施S - 。 关键词爆破震动；B P 神经网络；网络模型；震动预测 中图分类号T D 2 3 5 ．4 6文献标识码A文章编号1 0 0 l 一4 8 7 X 2 0 1 5 0 2 0 1 4 0 0 4 M i l l i s e c o n dB l a s t i n gV i b r a t i o nP r e d i c t i o nb a s e do nB PN e u r a lN e t w o r k W A N GT a 0 1 ，Z H A N GJ i a n h u a 2 1 ．G u a n g d o n gH o n g d aB l a s t i n gC oL t d ，G u a n g z h o u5 10 6 2 3 ，C h i n a ； 2 ．W u h a nU n i v e r s i t yo fT e c h n o l o g y ，W u h a n4 3 0 0 7 0 ，C h i n a A b s t r a c t T h eb l a s t i n gv i b r a t i o nh a z a r dw a sa ni m p o r t a n ti n d i c a t o ri nm i n es a f e t ya s s e s s m e n t ．B l a s t i n gv i b r a t i o n f o r e c a s tw a si m p o r t a n tt oe n s u r et h es a f ep r o d u c t i o ni nm i n e s ．T h eu n c e r t a i n t yo ft h eb l a s t i n go b j e c t ，i n c l u d i n gt h eg e o l o g i c a lc o n d i t i o na n dc o m p l e x i t ys u r r o u n d i n ge n v i r o n m e n to ft h eb l a s t i n gz o n e ，m a d ei td i f f i c u l tt oa c c u r a t e l yp r e d i c t v i b r a t i o nb yau n i f i e df o r m u l a s ．T h ea r t i f i c i a ln e u r a ln e t w o r kc a no b t a i ns i m u l a t i o no fm u l t i p l ef a c t o r su n d e rt h ec o m p l e xe n v i r o n m e n t ，a n de s t a b l i s ht h eb l a s t i n gv i b r a t i o np r e d i c t i o nm o d e l ．B yt r a i n i n gt h eo r i g i n a lb l a s t i n ga n dm o n i t o r i n gd a t ab yM a t l a bs o f t w a r ew i t hn e u r a ln e t w o r kp a c k a g e , t h eb e s tt r a n s f e rf u n c t i o nm o d e lw a sa c h i e v e d ．T h em o d e l w a se f f e c t i v e l yu s e dt op r e d i c tb l a s t i n gv i b r a t i o n ． K e yw o r d s b l a s t i n gv i b r a t i o n ；B Pn e u r a ln e t w o r k ；n e t w o r km o d e l ；v i b r a t i o np r e d i c t i o n 随着国民经济的发展，爆破技术广泛地应用于 矿山开采、水利水电建设、铁路公路路堑开挖、隧道 掘进、房屋拆除等工程领域。爆破技术的发展，加快 了施工的进度，但大规模、频繁地爆破震动却给周边 环境带来了安全隐患。众多学者们对其震动灾害控 制做了大量的研究，在震动监测技术上有了突破性 的进展，但对于爆破震动的预测却未取得较好的迸 收稿日期2 0 1 5 一叭一2 5 作者简介王涛 1 9 8 8 一 ，男，硕士，采矿工程专业，目前从事工程 爆破方面研究， E m a i l 7 2 4 5 6 1 4 3 7 q q ．t o m 。 展，这主要是因为影响爆破震动的不确定性因素较 多以及爆破对象的复杂性，很难用确定的公式进行 计算，多数依赖于现场经验以及一些经验公式对其 做粗略预测。 神经网络技术的发展。4o ，对爆破震动预测提 出了一种新的理念，利用网络的高度非线性仿真模 拟，将爆破对象的原始数据及震动监测数据输入神 经网络模型，网络进行自学习，从而训练出最优模 型。用该模型对爆破震动预测，能够准确的预测震 动危害范围，指导施工，将震动危害程度降到最低。 万方数据 第3 2 卷第2 期王涛，张建华基于B P 神经网络的微差爆破震动预测研究 1 4 1 1 台阶爆破震动影响因素 由于爆破震动在不同介质中传播规律不同以及 受震动结构体的抗震性能不同，研究爆破震动时主 要考虑了起爆器材、炸药、爆破技术、地质地形条件 以及保护物等因素∞o 。 对于露天台阶爆破，所使用的爆破器材、炸药是 基本不变的，因此爆破技术成为降低爆破震动、改善 爆破效果的重要 影响因素。研究表明，爆破震动随着距爆源的 距离增加而降低，随着一次起爆药量的增加而增加； 爆破震动的持续时间和起爆总药量呈正比，即随着 一次起爆药量增大，则爆破震动持续时间增长。事 实上，爆破震动频率也是影响爆破危害的一个重要 成分，当爆破震动的频率与保护体介质的固有频率 接近或相等达到共震时，将造成重大破坏。矿山开 采地质地形条件随着开采深度的增加，不断变化，地 质地形的复杂程度对震动传播产生了很大影响。 众多研究者已经认识到，爆破对结构体的震动 输入层神经元层 效应是爆破震动峰值速度、频率成分、振动持时共同 作用的结果∞J 。然而，在实际生产爆破中，人们只 是着重研究质点的峰值震动速度，忽略了震动频率、 震动持时对结构体的影响。 2 基于B P 神经网络的震动预测模型 建立 2 ．1 B P 神经网络理论 B P 网络是一种多层前馈型神经网络，主要特点 是信号向前传递，误差反向传播‘7 引。神经元是B P 网络的基本组成部分，多个神经元通过一定的拓扑 结构组织起来，构成群体并行处理的计算结构，有输 入层、隐层、输出层组成。网络的训练过程主要是通 过信息的前向传递，修正权值和阈值，进行反馈训 练，直至网络输出的总误差小于期望误差，使网络的 传递函数达到最优化。B P 神经网络中，输入层到输 出层之间的关系呈现一种高度非线性映射，输入层、 输出层采用线性映射函数、隐层采用非线性递增映 射函数。网络拓扑结构如图1 所示。 输入层神经元层 图1B P 神经网络结构 F i g ．1 S t r u c t u r eo fB Pn e u r a ln e t w o r k 在3 层B P 网络中，设输入节点戈i ，隐层节点y i ， 输出节点z ，。输入节点与隐层节点之间的权值伽。， 阈值为p i ，隐层节点与输出节点之间网络权值秽阈 值为0 。。当输出节点的期望值为t ，时，则网络的输 人输出计算如下 隐层节点输出 Y j 八∑W j r X 。一g 1 输出节点输出 盈 八∑v t 一O t 2 输出节点总误差 E ∑ ￡。一Z 1 2 3 a 可 w p b b 2 ．2 爆破震动预测模型建立 2 ．2 ．1 输入层节点确定 影响爆破震动的因素作为网络输入层，主要有 爆破的爆源因素、传播介质。介质因素直接影响着 地震波的传播与衰减，由于地质条件的复杂多变性， 从现场取得介质的特性参数是相当困难的。在利用 神经网络模型优化参数时，通过网络的多次训练，逐 渐消除介质的影响。 爆源因素主要考虑单段起爆药量、总起爆药量、 起爆点与监测点的高差、测点距爆源的距离、排问微 差时间，将这5 个因素作为神经网络的输入层。因 此，输入节点有5 个。 2 ．2 ．2 隐含层节点数确定 在一定范围内，用含有1 个隐层的B P 网络可 万方数据 1 4 2爆破 2 0 1 5 年6 月 以完成任意n 维到m 维的映射。因此，本次建模中 采用一个隐含层，隐含层节点数的多少影响着网络 训练的结果，采用K o l m o g o r o v 定理来确定最佳隐含 层节点数量，该定理规定，对于一个由输入层、隐含 层和输出层构成的3 层神经网络模型，若输入层有 凡个节点，则隐含层应设2 n 1 个节点，输出层有m 个节点。该模型的隐层节点数为1 1 个。 2 ．2 ．3 输出层节点数确定 输出层采用描述爆破震动效应的三要素来表 示，即质点峰值震动速度、震动频率、震动持时。在 样本提取过程中，考虑了质点戈、y , z 三方向的震速、 频率、震动持时，因此，输出节点数为9 个。 2 ．3 震动预测模型的训练 在进行网络训练之前，需预先处理训练样本，对 样本进行数据归一化处理。网络结构及网络输入输 出参数确定后，对网络进行学习和训练，网络训练的 主要目的是通过训练逐渐地修正网络的阈值和权 值，确定网络的最优传递函数。在此过程中，学习速 率是一个重要影响因子，它决定每一次循环中的权 值变化量，在一般情况下，选择较小的学习速率以保 证学习的稳定性，这里取学习速率为0 ．0 5 ，在学习 的过程中调整学习速率，使网络趋于稳定。 根据金堆城测震项目所监测的6 0 组数据，选取 5 0 组数据对网络进行学习训练，另1 0 组数据作为 预测数据，检验网络训练精度。利用M a t l a b 软件自 带的神经网络软件包对其进行训练，训练时训练精 度取0 ．0 0 0 1 ，网络经过5 0 0 0 次训练，使得模型的传 递函数达到最优。模型算法流程图如图2 所示。 3 爆破震动神经网络预测模型的应用 金堆城露天矿在爆破震动效应预测预报方面与 国内外先进水平有巨大差距，为此，有必要采用先进 的预报预测方法对爆破震动效应预测，以确保矿山 安全高效的生产。现以金堆城露天矿台阶爆破震动 预测为例，将建立好的爆破震动神经网络预测模型 应用于金堆城露天矿山，选取东帮、西帮各两组实测 数据，将预测数据与实测数据进行对比分析，从表1 可知在不同的爆心距、高差、总药量、单段爆药量的 情况下，神经网络预测模型预测数据与实测数据相 当接近，能有效进行震动预测；该模型可同时预测 x 、Y 、Z 三方向的峰值震速、震动主频、持续时间，能 够全面的的掌握震动信号的所有信息，对指导矿山 生产爆破具有很大的实用价值。 图2B P 网络算法流程图 F i g ．2 F l o w c h a r to fB Pn e t w o r ka l g o r i t h m 图3 反映了神经网络模型预测的9 个输出参量 与实测数据的相对误差分布情况，从图中可知，大部 分输出参量相对误差控制在3 ％以内，最大相对误 差不超过6 ％，该模型成功的实现了爆破震动预测。 神经网络预测精度主要取决于网络的训练，训练样 本越多，网络的训练精度越高，样本越少，网络的训 练精度越低。震动效应输入数据与预测数据如表1 所示，相对误差分析如图3 所示。 表1 模型输入数据与预测数据 T a b l e1 I n p u td a t aa n df o r e c a s td a t ao fm o d e l 万方数据 第3 2 卷第2 期王涛，张建华基于B P 神经网络的微差爆破震动预测研究 1 4 3 0 ．0 6 0 ．0 4 O ．0 2 O 0 ．0 2 0 ．0 4 O ．0 6 1 冬J 3 f { j - J 【父 i j ，f J I J I 到 } 、i g 3 【l 】c l I lI ，fl r l a t ixrP l - 1 ‘0 1 ．a n a l 、s i s 4 结语与建议 爆破震动预测是一个复杂的系统工程，其影响 因素的复杂性及不确定性，给震动预测带来了巨大 的难度。神经网络可实现多因素影响下高度非线性 的数据拟合，通过数据的反馈训练，寻找出最优传递 函数，从而解决复杂的震动预测问题。 主要结论及建议 1 利用神经网络建模可综 合考虑影响爆破震动的各个因素，从而建立较全面、 完整的震动预测模型； 2 爆破震动神经网络预测 模型实现了多输出，能同时预报爆破震动三要素，即 峰值震速、震动主频、持续时间，较以往的经验公式 更加全面、系统； 3 现场试验表明，该模型可有效 预测矿区范围内爆破震动效应，对指导矿山生产有 很大的实用价值； 4 本次网络建模由于受到样本 数量和质量的限制，网络的预测能力还未达到理想 状态，在监测数据更新后，及时调试网络，使网络预 测准确性进一步提高。 参考文献 R e f e r e n c e s [ 1 ]张志毅，杨年华，卢文波，等．中国爆破振动控制技术 的新进展[ J ] ．爆破，2 0 1 3 ，3 0 2 2 5 3 2 ． [ 1 ] Z H A N GZ h i ．y i ，Y A N GN i a n ．h u a ，L UW e n b o ，e ta 1 ．P r o g r e s so fb l a s t i n gv i b r a t i o nc o n t r o lt e c h n o l o g yi nC h i n a [ D ] ．B l a s t i n g ，2 0 1 3 ，3 0 2 2 5 - 3 2 ． i nC h i n e s e 田蔷蔷，许昌．测风数据间隔对风速预测精度影响 的研究[ J ] ．可再生能源，2 0 1 2 ，3 0 5 1 8 - 2 3 ． T I A NQ i a n g q i a n g ，X UC h a n g ．A n e m o m e t r i ci n t e r v a li n f l u e n c eo nw i n ds p e e df o r e c a s t i n ga c c u r a c y [ J ] ．R e n e w a b l eE n e r g yR e s o u r c e s ，2 0 1 2 ，3 0 5 1 8 - 2 3 ． i nC h i n e s e 刘庆，张光权，吴春平，等．基于B P 神经网络模型的 爆破飞石最大飞散距离预测研究[ J ] ．爆破，2 0 1 3 ， 3 0 1 1 1 4 1 1 8 ． L I UQ i n g ，Z H A N GG u a n g - q u a n ，W UC h u n p i n g ，e ta 1 ． R e s e a r c ho nm a x i m u md i s t a n c ep r e d i c t i o no fb l a s tf l y r o c k b a s e do nB Pn e u r a ln e t w o r k [ J ] ．B l a s t i n g ，2 0 1 3 ，3 0 1 11 4 11 8 ． i nC h i n e s e 崔东文．多隐层B P 神经网络模型在径流预测中的应 用[ J ] ．水文，2 0 1 3 ，3 3 1 6 8 7 3 ． C U ID o n g w e n ．A p p l i c a t i o no fh i d d e nm u h i l a y e rB Pn e u r a ln e t w o r km o d e li nr u n o f fp r e d i c t i o n [ J ] ．J o u r n a lo fC h i H aH y d r o l o g y ，2 0 1 3 ，3 3 1 6 8 7 3 ． i nC h i n e s e 段宝福，张猛，李俊猛．逐孔起爆震动参数预报的B P 神经网络模型[ J ] ．爆炸与冲击，2 0 1 0 ，3 0 4 4 0 1 4 0 6 ． D U A NB a n f u ，Z H A N GM e n g ，L IJ u n - m e n g ．AB Pn e u r a l n e t w o r km o d e lf o rf o r e c a s t i n go fv i b r a t i o np a r a m e t e r sf r o m h o l e b y h o l ed e t o n a t i o n [ J ] ．E x p l o s i o na n dS h o c kW a v e s ， 2 0 1 0 ，3 0 4 4 0 1 4 0 6 ． i nC h i n e s e 张袁娟．露天矿爆破振动对边坡的影响极其预测研究 [ D ] ．武汉武汉理工大学，2 0 1 2 ． Z H A N GY u a n - j u a n ．I n f e r e n c eo fb l a s t i n gv i b r a t i o nt oo p e n p i ts l o p ea n dv i b r a t i o np r e d i c t i o n [ D ] ．W u h a n W u h a nU n i v e r s i t yo fT e c h n o l o g y ，2 0 1 2 ． i nC h i n e s e 张德丰．M A T L A B 神经网络应用设计[ M ] ．保定机械 工业出版社，2 0 0 9 ． 张立明．人工神经网络的模型及其应用[ M ] ．上海复 旦大学出版社，1 9 9 2 ． 厂⋯⋯⋯⋯⋯⋯⋯““⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯“⋯⋯⋯⋯⋯“’‘一⋯⋯⋯～⋯一⋯、‘⋯⋯⋯。。⋯’⋯⋯⋯ i ； ； 本刊告示l {i ； ； ； 爆破为中国核心期刊 遴选 数据库、中国期刊网、中国学术期刊 光盘版 、中； j文科技期刊数据库和“万方数据数字化期刊群”收录期刊。作者著作权使用费与本刊印刷 ； ；版稿酬一次性付给。如作者不同意将文章编人，请在来稿时说明，本刊将另做特殊处理。 i ； | ； 爆破编辑部谨致 ； 5 0j ＼⋯⋯一⋯一⋯⋯、．～。，、．一．．．⋯．。⋯⋯⋯一⋯一。⋯⋯⋯。一⋯．⋯一．。⋯一⋯一⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．一，．。。⋯，，．⋯一⋯⋯⋯⋯⋯．。∥9 1J]J 1 J 1J]J 1 J ] J 1 J 1 J 1 J 1 J 1 J 心 心 口 口 H H 瞪 陋 № № 一 哆 万方数据