露天转地下开采矿山边坡爆破振动速度预测.pdf
第3 2 卷第4 期 爆破 V o l 3 2 N o 4 2 0 1 5 年1 2 月B L A S T I N G D e c .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 4 .0 1 0 露天转地下开采矿山边坡爆破振动速度预测 陈思远“6 ,周传波“6 ,蒋a , b 路世伟“6 ,刘杨波“6 中国地质大学 武汉 a .岩土钻掘与防护教育部工程研究中心;b .工程学院,武汉4 3 0 0 7 4 摘要为合理控制露天转地下开采爆破振动效应,以大冶铁矿露天转地下开采中深孔爆破工程为实例, 综合运用萨道夫斯基公式、考虑高程影响的爆破振动速度预测公式及人工B P 神经网络方法,对边坡爆破振 动速度进行预测研究,并与现场爆破振动监测结果进行了对比分析。研究结果表明在存在高程影响的矿山 边坡爆破振动速度预测过程中,采用三种预测方法对比发现,B P 神经网络模型在爆破振动速度切向、径向、 竖向三个方向的预测误差率均在6 %以内;同时采用考虑高程影响的改进公式预测时在z 方向上具有较高 的精确性,误差率仅为1 1 .8 9 %;而萨道夫斯基公式精确性相对最差。研究结果可用于预测及控制露天转地 下开采矿山边坡爆破振动速度。 关键词B P 神经网络;爆破振动;预测;露天转地下 中图分类号0 3 8 3 文献标识码A文章编号1 0 0 1 4 8 7 X 2 0 1 5 0 4 0 0 4 9 0 6 B l a s t i n gV i b r a t i o nV e l o c i t yP r e d i c t i o no fO p e n - p i t t oU n d e r g r o u n dM i n i n gS l o p e C H E NS i y u 汜r t 8 ‘,Z H O UC h u a n .b 0 8 6 ,J t A N GN a n 8 6 ,L US h i .w e i 8 6 ,L I UY a n g b 0 8 “ a .E n g i n e e r i n gR e s e a r c hC e n t e ro fR o c k S o i l E x c a v a t i o na n dP r o t e c t i o nM i n i s t r yo fE d u c a t i o n ; b .F a c u l t yo fE n g i n e e r i n g ,C h i n aU n i v e r s i t yo fG e o s c i e n c e s ,W u h a n4 3 0 0 7 4 ,C h i n a A b s t r a c t F o rr e a s o n a b l ec o n t r o lo ft h eb l a s t i n gv i b r a t i o ne f f e c t i no p e n p i tt ou n d e r g r o u n dm i n i n gt r a n s i t i o n , t a k i n gD a y ei r o nm i n eo p e n p i tl o n g h o l eb l a s t i n go fu n d e r g r o u n dm i n i n ge n g i n e e r i n ga sa l le x a m p l e ,t h eS a d a o v s kf o r m u l aa n dt h ee f f e c to fe l e v a t i o na n da r t i f i c i a lB Pn e u r a ln e t w o r km e t h o dw e r eu s e dt op r e d i c tt h eb l a s t i n gv i b r a t i o n v e l o c i t y ,a n df i n a l l yc o m p a r e dw i t ht h es i t em o n i t o r i n gr e s u l t s .T h ea n a l y s i sr e s u l t ss h o wt h a t ,a m o n gt h et h r e ek i n d s o ff o r e c a s t i n gm e t h o d ,i nt h ep r e d i c t i o no fm i n es l o p eb l a s t i n gv i b r a t i o nv e l o c i t yw h e r ee l e v a t i o ne f f e c te x i s t s ,t h eB P n e u r a ln e t w o r km o d e li nt h et a n g e n t i a l ,r a d i a l ,v e r t i c a ld i r e c t i o no ft h r e ep r e d i c t i o ne l l O rr a t eW a sw i t h i n6 %;t h e m o d i f i e df o r m u l ah a sh i s ha c c u r a c yi nt h eZd i r e c t i o na n dt h ep r e d i c t i o ne l l o rr a t ew a so n l y11 .8 9 %;a n dt h eS a d a o v s kf o r m u l as h o w st h ew o r s ta c c u r a c y .T h er e s u l t sh a v eag u i d i n gr o l e f o rt h ep r e d i c t i o na n dc o n t r o lo ft h es l o p e b l a s t i n gv i b r a t i o nv e l o c i t yi no p e n p i tt ou n d e r g r o u n dm i n i n g . K e yw o r d s B Pn e u r a ln e t w o r k ;b l a s t i n gv i b r a t i o n ;p r e d i c t i o n ;o p e n p i tt ou n d e r g r o u n d 收稿日期2 0 1 5 一1 1 0 8 作者简介陈思远 1 9 9 1 一 ,男,湖北京山人,在读硕士研究生,主要 从事工程爆破研究, E .m a i l c h e n s i y u a n 9 1 1 6 3 .c o r n 。 通讯作者周传波 1 9 6 3 一 ,男,教授、博士生导师,主要从事地下建 筑工程、岩土工程、采矿工程、工程爆破方面研究, E m a i l c b z h o u t u g .e d u .C I I 。 基金项目国家自然科学基金资助项目 4 1 3 7 2 3 1 2 、5 1 3 7 9 1 9 4 ;湖北 省自然科学基金 2 0 1 4 C F B 8 9 4 ;中央高校基本科研业务 费专项资金资助项目 C U G L l 4 0 8 1 7 中国博士后科学基 金资助项目 2 0 1 4 M 5 5 2 1 1 3 ;岩土钻掘与防护教育部工程 研究中心开放基金 2 0 1 4 0 I 爆破作为岩体开挖、矿山开采等工程建设和采 矿生产的重要技术手段,在其极大限度的提高了采 矿效率的同时,爆破过程中所产生的爆破地震波向 周围扩散时,也会引起矿山露天边坡地质灾害如崩 塌、滑移等’2 1 。因此,在进行爆破作业时,为控制 爆破振动效应危害,准确地预测爆破振动速度,对保 证爆破工程的安全顺利生产具有着重要的作用。 万方数据 爆破 2 0 1 5 年1 2 月 目前,工程中对于爆破振动速度的预测通常是 根据现场振动监测结果,采用萨道夫斯基公式进行 回归分析,用得到的萨道夫斯基经验公式预测后续 爆破振动速度∞一J 。但萨道夫斯基公式仅仅考虑了 爆心距以及单段药量两个参数,其预测精度存在一 定的局限性。蒋楠等基于量纲分析理论,分析影响 边坡爆破振动速度的相关物理量,推导得到考虑高 程影响的爆破振动速度衰减经验公式”J 。随着计 算机网络的发展,使得人工神经网络具有了极强的 非线性动态处理能力∽J ,大量实践证明,B P 神经网 络模型是一种解决复杂非线性函数逼近问题的较好 方法[ 7 - 9 ] 。 结合大冶铁矿露天转地下开采爆破工程实例, 采用B P 神经网络模型、考虑高程影响的爆破振动 速度公式和萨道夫斯基公式相结合的方法对爆破振 动速度在x 、y 、z 三个方向进行预测,对比分析每一 种方法的精确度以及实用性,为准确高效预测矿山 开采过程中边坡爆破振动速度提供指导。 1 工程背景与测试结果 大冶铁矿东露天采场,于2 0 0 3 年转入地下开 采。经过五十年的露天开采,已形成东西长2 4 0 0m 、 南北宽1 0 0 0m 、高2 3 0 4 3 0m 、最终边坡角3 8 。一 5 3 。的大型超高陡边坡。露天转地下开采采用的是 无底柱分段崩落法,现处于地下一1 0 8m 水平采场, 爆破方式为大直径中深孔爆破,中炮孔为扇形,彼此 间排距为1 .6m ,炮孔底部间距为2 .5m ,每排布孔 为9 ~1 0 个,炮孑L 直径为8 0m m ,其布置图如下图1 所示。 厂爿 黎1 ,露蘩雾1 鼷翳 I 一废石,2 一炮孔,3 一矿石,4 一回采巷道 I w a s t er o c k ;2 一b l a s th o l e ,3 一o r e s ,4 一m i n i n gg a t e w a y 图1 炮孔排位布置 F i g .1A r r a n g e m e n to ft h el a y o u to fb l a s th o l e 监测仪器采用中科院成都测控研究所生产的 T C 一4 8 5 0 爆破测振仪,测点布置如图2 所示,x 、y 、z 三个方向分别为切向、径向、竖向,选取其中监测的 1 3 组数据进行分析,测试结果如表1 。 表1 测试数据 T a b l e1T e s td a t e 图2 监测点布置图 F i g .2M o n i t o r i n gp o i n ta r r a n g e m e n t 瓣 万方数据 第3 2 卷第4 期陈思远,周传波,蒋楠,等露天转地下开采矿山边坡爆破振动速度预测 2 基于神经网络原理的爆破振动速度 预测 2 .1 爆破振动测试结果分析 利用反映高程效应的爆破振动速度公式以及萨 道夫斯基公式对监测数据进行预测分析。 其中反映高程效应的爆破振动速度公式为“ J ⋯ 华 风㈤虎 1 式中i 旦;,为爆源与测点间的水平距离;I | } 表示 r 工程地质条件影响因素;卢,为衰减系数;卢为高程 影响效应系数。 萨道夫斯基基本公式为 V K 警 “ 2 式中K 为爆破点至介质质点之间地质地形条件有 关的物理量;Q 为炸药量;R 为爆心距;O t 为衰减指 数。 用以上两种方法对爆破振动速度在x 、l ,、Z 三 个方向的预测结果如表2 、表3 、表4 。 表2X 方向爆破振动速度预测精度对比 T a b l e2Xd i r e c t i o no fb l a s t i n gv i b r a t i o nv e l o c i t ya c c u r a c y B P 神经网络预测改进公式预测萨道夫斯基公式预测 一一 实测速度W预测值/与实测值 预测值/ 与实测值 预测值/ 与实测值 骊亏 c m .s - I c m s 一1 误差/% c m s 一1 误差/% e m s 一1 误差/% 10 .3 1 00 .2 9 64 .5 1 60 .2 2 92 6 .2 5 2 0 .2 6 0 1 6 .0 1 l 2 3 4 5 6 7 8 9 1 0 1 1 1 2 1 3 平均误差 0 .1 5 7 0 .0 2 6 0 .0 2 0 O .1 6 3 0 .0 5 3 0 .0 3 5 0 .0 2 9 0 .2 9 8 0 .2 5 7 0 .0 8 8 0 .0 7 2 0 .4 1 0 0 .1 5 3 0 .0 2 4 0 .0 2 2 0 .1 7 9 0 .0 5 3 0 .0 3 8 0 .0 2 6 0 .2 9 8 0 .2 5 7 0 .0 8 9 0 .0 7 l 0 .4 1 3 2 .8 6 6 8 .8 4 6 l O .5 0 0 9 .5 7 1 0 .5 6 6 8 .5 7 l 9 .6 5 5 0 .1 0 1 0 .1 9 5 0 .6 8 2 0 .8 3 3 0 .6 5 9 4 .4 2 8 0 .1 2 8 0 .0 2 9 0 .0 2 7 0 .1 9 4 0 .0 4 2 0 .0 4 3 0 .0 3 9 0 .3 7 5 0 .2 6 6 0 .0 5 7 0 .0 5 2 0 .4 6 7 1 8 .4 3 5 1 3 .4 4 4 3 5 .8 7 5 1 8 .7 6 4 2 0 .7 5 9 2 2 .7 5 1 3 4 .4 7 9 2 5 .7 3 2 3 .3 4 2 3 5 .0 2 9 2 7 .8 9 3 1 4 .0 2 0 2 2 .8 2 9 0 .1 4 5 0 .0 3 2 0 .0 3 0 0 .2 2 0 0 .0 4 6 0 .0 4 7 0 .0 4 3 0 .2 7 8 0 .2 0 4 0 .0 4 7 0 .0 4 2 0 .5 2 9 7 .6 5 7 2 4 .0 5 8 4 8 .1 6 3 3 5 .1 1 9 1 2 .2 7 4 3 4 .8 8 8 4 7 .4 2 9 6 .5 9 6 2 0 .6 7 5 4 7 .0 6 9 4 1 .3 5 7 2 9 .0 0 6 2 8 .4 8 5 表3y 方向爆破振动速度预测精度对比 T a b l e3Yd i r e c t i o no fb l a s t i n gv i b r a t i o nv e l o c i t ya c c u r a c y 万方数据 5 2爆破 2 0 1 5 年1 2 月 表4Z 方向爆破振动速度预测精度对比 T a b l e4Zd i r e c t i o no fb l a s t i n gv i b r a t i o nv e l o c i t ya c c u r a c y B P 神经网络预测改进公式预测萨道夫斯基公式预测 ,。。 实测速度∥预测值/ 与实测值 预测值/ 与实测值预测值/与实测值 骊亏 c m .s - I e m s 一‘ 误差/% e m s 一‘ 误差/% c m . - I 误差/% 2 .2 爆破振动峰值B P 网络模型建立 在神经网络的多种模型中,B P B a c kP r o p a g a t i o n 网络模型的应用最为广泛,它是基于误差反向 传播 e r r o ro rb a c k .p r o p a g a t i o n 的多层前向神经网 络,可实现输入和输出间的任意非线性映射0 1 。 采用三层前馈型B P 网络的学习算法结构,网 络模型由输入层、隐含层和输出层组成,各层编号为 以,衄,L C ,其中激活函数为s i g m o i d 函数,即以石 1 - 二I 。输入层为对爆破振动速度影响最大的三个 Ie 要素单段最大药量、爆源与测点间的水平距离、测 点相对爆源的高程差。输出层是爆破振动系统对输 入做出的相应反应,通常用质点的振动速度作为输 出层。因此隐含层为6 个单元,三层构成一个3 .6 - 1 的人工神经网络模型,其结构图如图3 。 图3B P 神经网络模型 F i g .3 B Pn e u r Mn e t w o r km o d e l 输人参数以及输出参数均以向量的形式输人和 输出,其中输入层向量为X [ x 。,恐,x ,] ,输出向 量为Y [ 1 ,] 。设网络第一、二、三层的输人量分别 为x 、互 、墨f ;输出量为_ i 、y 2 n 匕f ;其中i l 、2 、3 , k 1 、2 、3 、4 、5 、6 ,_ 『 1 ,隐含层和输出层的阀值分别 为O k 和良。 2 .3 B P 网络模型的学习算法 B P 算法的学习过程,由正向传播和反向传播两 部分组成。 具体学习过程如下⋯] 1 初始化。初始化权值矩阵和阀值,一般设 定为较小的随机数。给定学习因子,一般取1 和最 大学习误差E 亭,其中孝为给定的收敛精度。 2 学习样本输入网络,计算各隐含层及输出 层。 隐含层y 2 t 八∑既K O k 3 输出层y 3 J 八∑%y 2 。一B 4 3 计算系统误差。 对每一个学习样本i ,定义平方误差函数 E 上∑ 叫一巧 2 5m鼍、J P 、1 式中D ,l 表示期望输出;F 表示实际输出。 4 若误差达不到要求,则根据递归算法得知 误差信号必须反向进行,直到第一隐含层为止,即调 整权值。 权值的调整分层而定,对于输出层 以川 嘶 叼蓑 6 0 9 7 5 7 7 9 7 9 5 9 0 4 5 姗m啪晒仰m哟m m两泐彻斟|呈 愀眨弦吼扒瞧n i扭施扎搬限 8 7 7 5 8 1 2 8 2 5 l 7 3龙B∞∞挎兮兮阱M墙兮吖轮 m m m m m m m m m m m m m 3 0 6 0 9 6 ●4 ●6 6 2 2 9仍瑚掰咖哪|呈Ⅲ附卿蛳晰觎m啪 王况拽愀L垃m吼扭n n 王t m 0 2 3 l 4 5 0 6 7 7 3 8 8抑眩∞∞“∞晌舛”犸∞兮拍 m m m m m m m m m m m m m 叭酡跖眄∞∞侈盯昭“∞卯矾如%勰明拍乃们弘他跖砌趵弘 乱一段垃z i i z L L 乙1 m i l 5 3 3 l 2 7 l 0 6 2 8 0抛呈啷啷m眦晰帆姗m苣;嘲姗 m m m m m m m m m m m m m 3 7 8 8 7 0 5 2 6 9 O 0 2侈埒眈∞竹呻叫∞巧打盯嗍驺 m m m n m m m m m m m m 吼 差 。2,4,6 7 。9 m 他n 嘏 万方数据 第3 2 卷第4 期陈思远,周传波,蒋楠,等露天转地下开采矿山边坡爆破振动速度预测 5 3 瓦O E 一 牛 厂’ 如 r 2 t 7 对于隐含层 既 n 1 既 ,1 叩焉 8 蓑 8 y k ./’ X 2 t Y 1 i 9 6 f 一 D ;一巧 ,’ x 3 f 1 0 式中,叼为学习率。 5 输入下一个样本。 6 学习样本结束,更换学习次数。 7 如果E 占,则学习结束。 8 输出仿真向量。 2 .4 数据的分析 根据以上所述的B P 神经网络的学习算法,使 用M a t l a b7 .1 0 编写网络程序。使用t r a i n g d x 函数对 表1 中的数据进行训练,最大训练步数e p o c h s 为 1 00 0 0 ,训练目标误差g o a l 为1 0 一,初始学习率l r 取0 .0 5 ,显示间隔s h o w 为2 0 0 0 。在x 、y 、z 三个方 向上分别经过7 4 0 1 、3 0 9 5 、2 4 9 8 个周期的训练达到 目标误差,如图4 、5 、6 ,横坐标表示达到目标误差的 训练次数,纵坐标表示均方误差。测试结果如表2 、 3 、4 。 B e s tT r a i n i n gP e r f o r m a n c ei sN a Na te p o c h7 4 01 0F 一一I _ 卜。 f L 而r 面J _ i 而广i 而丽矿i 而■i i 矿 7 4 0 1E p o d l s 图4X 方向训练图 F i g .4 Xd i r e c t i o nt r a i n i n g 3 不同方法预测结果对比分析 为了对比各种方法对爆破振动速度预测的精准 度以及可行性程度,我们用以上三种方法对爆破振 动速度在X 、y 、Z 三个方向进行预测,对比三个方向 上的实际测量值,得到如表2 、3 、4 。 从表2 、3 、4 中可以看出B P 神经网络预测与实 测值在x 、y 、z 三个方向的平均误差分别为 4 .4 2 8 %、2 .2 3 5 %、5 .3 6 1 %,反映高程效应的改进公 式预测与实测值在三个方向上的平均误差分别为 2 2 .8 8 9 %、2 8 .8 9 3 %、1 1 .8 8 9 %,普通萨道夫斯基公 式的预测误差为2 8 .4 8 5 %、3 4 .0 4 4 %、1 9 .1 0 5 %。 对比可以得知采用B P 神经网络的预测精度明显高 于其他两种方法,其预测精度很高,误差平均值在 5 %左右。改进公式在x 、y 、z 三个方向的预测精度 高于普通萨式公式,其中在x 、】,方向上的预测精度 两者差距不是很大,但是在z 方向表现出来的差距 很明显,其中改进公式在z 方向的预测最为准确, 只有1 2 %,但是在其他方向上,两个公式的预测最 小误差也基本达到了2 0 %,最大误差达到了3 4 %。 o。‘【.....................。.................................................................。.,....,............。...............一05 0 01 0 0 01 5 0 02 0 0 02 5 0 03 0 0 0 3 0 9 5E p o c h s 图5Y 方向训练图 F i g .5 Yd i r e c t i o nt r a i n i n g ,B e s tT r a i n i n g P e r f o r m a n c ei sN a Na te p o c h2 4 9 8 0 ‘} 广一 一“ r r a l t l r 可矿一面矿而矿丽矿 2 4 9 8E p o c h s 图6Z 方向训练图 F i g .6Zd i r e c t i o nt r a i n i n g 4 结语 通过工程实例表明,将B P 神经网络模型应用 到爆破振动速度的预测工作中是切实可行的。通过 将B P 神经网络模型、反映高程效应的爆破振动速 度改进公式以及萨道夫斯基公式对爆破振动速度的 万方数据 爆破2 0 1 5 年1 2 月 预测结果与实测值对比,得出以下结论 1 利用神经网络理论,结合M a t l a b 计算机语 言编程在处理非线性、不确定现象之间的关系时,其 预测精度很高,对爆破振动速度进行预测时,平均误 差基本只有5 %。 2 在应用神经网络模型时,需要一定数量输 入参数和监测结果作为学习条件。但是在人工监测 过程中会因为各种监测条件难以测到理想数据,如 果监测数据偏差较大,会造成网络学习此样本时不 收敛或收敛很慢,即使收敛,识别新样本时也会出现 较大偏差,得不到可信的结果。 3 改进公式对爆破振动速度在x 、y 、z 三个方 向的预测精度都高出萨式公式6 %一8 %,其中在z 方向相差最明显。二者在z 方向的预测精度相比 x 、y 方向都有所提升,而B P 网络模型预测精度最 高的则在y 方向上。 4 利用网络模型预测对操作者以及硬件条件 的需求高,而对于矿山工作人员在现场环境中采用 反映高程效应的爆破振动速度改进公式也是切实可 行的,并且其在垂直上方向的预测精度很高,误差只 有1 0 %左右,具有很强的实用性。 [ 2 ] [ 2 ] [ 3 ] [ 3 ] [ 4 ] [ 4 ] [ 5 ] [ 5 ] [ 6 ] [ 7 ] [ 7 ] 参考文献 R e f e r e n c e s I8 ] 常来山.眼前山露天矿边坡岩体损伤规律研究[ J ] .金 属矿山,2 0 0 7 5 5 9 6 1 . C H A N GL a i s h a n .S t u d yo ns l o p er o c k m a s sd a m a g el a wo f Y a nQ i a nS h a nO p e nP i t [ J ] .M e t a lM i n e ,2 0 0 7 5 5 9 6 1 . i nC h i n e s e 杨年华.不同爆破工程的地震特点分析[ J ] .工程爆 破,2 0 1 4 ,2 0 5 1 .7 . Y A N GN i a n h u a .S e i s m i cc h a r a c t e r i s t i c sa n a l y s i so fd i f f e r e n tb l a s t i n gp r o j e c t s [ J ] .E n g i n e e r i n gB l a s t i n g ,2 0 1 4 , 2 0 5 I - 7 . i nC h i n e s e 张世雄,杨明亮,尹家国,等.预测爆破波振动强度的 经验公式及其在采矿中的应用[ J ] .爆破,2 0 0 0 , 1 7 3 1 3 - 1 7 . Z H A N GS h i x i o n g ,Y A N GM i n g - l i a n g ,Y I NJ i a - g u o ,e ta 1 . A ne m p i r i c a lf o r m u l ao fc a l c u l a t i n gt h ev i b r a t i n gi n t e n s i t y o fe x p l o s i v ew a r ea n di t sa p p l i c a t i o ni nm i n i n g [ J ] .B i a s 一 [ 8 ] [ 9 ] [ 9 ] [ 1 0 ] t i n g ,2 0 0 0 ,1 7 3 1 3 1 7 . i nC h i n e s e 赵华兵,龙源,宋克健,等.爆破振动速度预测方法 及其影响因素[ J ] .工程爆破,2 0 1 2 ,1 8 1 2 4 - 2 7 . Z H A OH u a - b i n g ,L O N GY u a n ,S O N GK e - j i a n ,e ta 1 .P r e - d i c t i v em e t h o d sa n di n f l u e n c ef a c t o r so fB l a s t i n gv i b r a t i o n v e l o c i t y [ J ] .E n g i n e e r i n gB l a s t i n g ,2 0 1 2 ,1 8 1 2 4 - 2 7 . i nC h i n e s e 蒋楠,周传波,平雯,等.岩质边坡爆破振动速度 高程效应[ J ] .中南大学学报 自然科学版 ,2 0 1 4 , 4 5 1 2 3 7 2 4 3 . J I A N GN a n ,Z H O UC h u a n - b o ,P I N GW e n ,e ta 1 .A l t i t u d e e f f e c to fb l a s t i n gv i b r a t i o nv e l o c i t yi nr o c ks l o p e s [ J ] . J o u r n a lo fC e n t r a lS o u t hU n i v e r s i t y S c i e n c ea n dT e c h n o l - o g y ,2 0 1 4 ,4 5 1 2 3 7 2 4 3 . i nC h i n e s e 冯夏庭,王泳嘉.采矿工程智能系统[ M ] .北京冶金 工业出版社,1 9 9 4 . 罗学东,范新宇,代贞伟,等.B P 神经网络模型在露天 矿爆破振动参数预测中的应用及修正[ J ] .中南大学 学报 自然科学版 ,2 0 1 3 ,4 4 1 2 5 0 1 9 5 0 2 4 . L U OX u e d o n g ,F A NX i n y u ,D A IZ h e n - w e i ,e ta 1 .B P n e u r a ln e t w o r ka p p l i c a t i o na n dm o d e lm o d i f i c a t i o ni np r e d i c t i o no f o p e n p i tm i n eb l a s t i n gv i b r a t i o np a r a m e t e r s [ J ] .J o u r n a lo fC e n t r a lS o u t hU n i v e r s i t y S c i e n c ea n d T e c h n o l o g y ,2 0 1 3 ,4 4 1 2 5 0 1 9 - 5 0 2 4 . i nC h i n e s e 赵华兵,龙源,刘好全,等.城市隧道爆破振动速度 峰值预测神经网络法应用[ J ] .工程爆破,2 0 1 4 , 2 0 5 2 3 2 7 . Z H A OH u a b i n g ,L O N GY u a n ,L I UH a o q u a n ,e ta 1 .A p p l i c a t i o no fn e u r a ln e t w o r kt op r e d i c t i o no fp e a ka m p l i t u d e o fb l a s t i n gv i b r a t i o nv e l o c i t yo fu r b a nt u n n e l [ J ] .E n g i n e e r i n gB l a s t i n g ,2 0 1 4 ,2 0 5 2 3 2 7 . i nC h i n e s e 申旭鹏,璩世杰,王福缘,等.基于B P 神经网络的爆破 振速峰值预测[ J ] .爆破,2 0 1 3 ,3 0 1 1 2 2 1 2 5 . S H E NX u p e n g ,X US h i - j i e ,W A N GF u y u a n ,e ta 1 .P r e - d i c t i o no fb l a s t i n gp e a kp a r t i c l ev e l o c i t yb yB Pn e u r a ln e t w o r km o d e l [ J ] .B l a s t i n g ,2 0 1 3 ,3 0 1 1 2 2 1 2 5 . i nC h i n e s e 从爽.面向M A T L A B 工具箱的神经网络理论与应 用[ M ] .合肥中国科技大学出版社,1 9 9 8 . 何玉彬,李新忠.神经网络控制技术及其应用[ M ] . 北京科学出版社,2 0 0 0 . 万方数据