BP神经网络在爆破振动中的研究与应用.pdf

第7 1 卷第6 期有 色 金属 矿山部分 2 0 1 9 年1 1 月 D o i 1 0 ．3 9 6 9 ／j ．i s s n ．1 6 7 1 - 4 1 7 2 ．2 0 1 9 ．0 6 ．0 0 3 B P 神经网络在爆破振动中的研究与应用 冷智高，李祥龙，程明，宋春辉，陶子豪 昆明理工大学国土资源工程学院，昆明6 5 0 0 9 3 摘要为准确地预测爆破结果、减少爆破振动对建筑的损伤和保障工人的安全，利用具有处理非线性问题能 力的B P 神经网络预测爆破结果。选取合格的爆破结果作为网络模型的学习样本，经过一定次数的训练学习后通 过神经网络的前馈特性确定各层阈值和误差，完成对B P 神经网络的建立，发现预测结果与真实结果相比的误差在 1 0 ％以内。再结合P A C 算法、P O S 算法或者M A T L A B 软件等优化网络后甚至可以将误差控制在5 ％以内。通过 建立B P 神经网络预测可以减少爆破作业带来的危害，降低安全成本，指导爆破作业的施工。 关键词B P 神经网络；非线性；爆破预测；误差 中图分类号T D 2 3 5文献标志码A文章编号1 6 7 1 - 4 1 7 2 2 0 1 9 0 6 - 0 0 0 9 0 4 R e s e a r c ha n da p p l i c a t i o no fB Pn e u r a ln e t w o r kt ob l a s t i n gv i b r a t i o n L E N GZ h i g a o ，L IX i a n g l o n g ，C H E N GM i n g ，S O N GC h u n h u i ，T A OZ i h a o F a c u l t yo fL a n da n dR e s o u r c e sE n g i n e e r i n g ，K u n m i n gU n i v e r s i t yo fS c i e n c ea n dT e c h n o l o g y ，K u n m i n g6 5 0 0 9 3 ，C h i n a A b s t r a c t I no r d e rt Oa c c u r a t e l yp r e d i c tt h eb l a s t i n gr e s u l t sa n dr e d u c et h ed a m a g eo fb l a s t i n gv i b r a t i o nt ot h e b u i l d i n ga n de n s u r et h es a f e t yo fw o r k e r s ，B Pn e u r a ln e t w o r kw i t ht h ea b i l i t yt od e a lw i t hn o n l i n e a rp r o b l e m sw a s u s e dt of o r e c a s tt h eb l a s t i n gr e s u l t s ．Q u a l i f i e db l a s t i n gr e s u l t sw e r es e l e c t e da st h el e a r n i n gs a m p l e so ft h en e t w o r k m o d e l 。a f t e rac e r t a i nn u m b e ro ft i m e so ft r a i n i n ga n dl e a r n i n g ，t h ef e e df o r w a r dc h a r a c t e r i s t i c so ft h en e u r a l n e t w o r kw e r ea p p l i e d t od e t e r m i n et h et h r e s h o l d sa n de r r o r sO fe a c hl a y e r 。t h e nt h ee s t a b l i s h m e n to fB Pn e u r a l n e t w o r kw a sc o m p l e t e d ．R e s u l t si n d i c a t e dt h a tt h ee r r o rb e t w e e nt h ep r e d i c t i o nr e s u l ta n dt h er e a lr e s u l tw a sw i t h i n 10 ％，w h i c hc o n f o r m e dt ot h ee n g i n e e r i n gr e q u i r e m e n t s ．B yc o m b i n i n gP A Ca l g o r i t h m ，P O Sa l g o r i t h mo r M A T L A Bt oo p t i m i z et h en e t w o r k 。t h ee r r o rc a ne v e nb ec o n t r o l l e dw i t h i n5 ％．T h ed a m a g ec a u s e db yb l a s t i n g o p e r a t i o nc a nb er e d u c e db ye s t a b l i s h i n gB Pn e u r a ln e t w o r kp r e d i c t i o n ，w i t hs a f e t yc o s tr e d u c e da n dg u i d i n gt h e c o n s t r u c t i o no fb l a s t i n go p e r a t i o n ． K e yw o r d s B Pn e u r a ln e t w o r k ；n o n l i n e a r ；b l a s t i n gp r e d i c t i o n ；e r r o r 岩体爆破是一个极为复杂的过程，它是多因素 与多目标之间的复杂关系，存在很多难以用数理进 行统计的影响参数，目前尚没有一个完全理论化的 公式可以对爆破效果进行公式计算，很多情况下工 程师都是通过半经验半公式以及类比方法对爆破效 果进行预测计算。目前而言应用较多的是萨道夫斯 基经验公式，但萨氏公式仅考虑装药量和爆源距两 个因素Ⅲ，无法充分的考虑影响爆破结果的因素，故 而预测误差较大，难以进行爆破预测。随着行业标 基金项目国家自然科学基金资助项目 5 1 5 6 4 0 2 7 北京理工大学 开放基金项目 K F J J l 5 - 1 4 M 。 作者简介冷智高 1 9 9 3 一 ，男，硕士研究生，采矿工程专业，主要研 究工程爆破与岩石力学。 准的提高，人们对安全意识的加深，施工方对爆破效 果的要求也越来越高，这就要求使用更加精确的预 测公式或模型提高爆破效果的预测精度。 近几十年来，随着人工神经网络的发展，为人们 解决了现实中大量的非线性问题，它在进行模糊控 制、不确定控制中具有独特的优势[ 2 ] 。爆破工作者 们也逐步将这项技术应用到爆破效果的预测中来， 取得了非常满意的效果。韩亮等[ 3 ] 结合W e i b u l l 模 型和B P 神经网络对高台阶抛掷爆破爆堆形态进行 研究；王建国等[ 4 ] 利用神经网络研究露天煤矿爆破 振动；徐全军等[ 5 ] 利用神经网络预测爆破地震峰值； 林从谋等[ 6 ] 也利用神经网络研究隧道掘进爆破地震 的峰值。人工神经网络模型中应用最为广泛[ 7 ] 也最 万方数据 l o 有 色金 属 矿山部分第7 l 卷 为成熟的就是B P 神经网络模型。 1B P 人工神经网络 1 ．1 B P 人工神经网络原理 人工神经网络 A r t i f i c i a lN e u r a lN e t w o r k ， A N N 是非线性程度相当高的动力系统，具有极强 的非线性动态处理能力。人工神经网络方法不需要 事先假设数据或变量之间的服从规律或内在联系， 而是直接通过网络之间的权值训练，找出输入与输 出变量之间的非线形关系【1 ] 。B P 人工神经网络 B a c kP r o p a g a t i o nA r t i f i c i a lN e u r a lN e t w o r k 是具 有反向传播功能的前馈网络 F e e d f o r w a r d N e t w o r k ，是一种建立在梯度下降法基础上的自学 算法，它利用输出后的误差来估计输出层的直接前 导层误差，再利用这个误差更新前一层的误差。如 此一层一层的反传下去就获得了所有其他各层的 误差。 B P 网络属于多层次的人工神经网络[ 8 ] ，B P 神 经网络结构由输人层 I 。。 、输出层 I 。。 和隐含层 L 。 构成，各个神经层内由大量只能处理简单信息 的神经元构成，而构成的结构则可以模拟人的大脑 对非线性问题进行处理，神经层之间通过权值 训 和阈值 臼 进行连接，每层神经元之间无连接。B P 神经网络的拓扑结构[ 9 1 如图1 所示。 各层误差反馈 输入层 隐藏层 输出层预期结果 单层或多层 图1B P 神经网络拓扑结构 F i g ．1T o p o l o g i c a ls t r u c t u r eo fB Pn e u r a ln e t w o r k B P 神经网络通过外界输出样本的刺激不断改 变网络的连接权值，为使网络输出不断地接近期望 输出，一般称为神经网络的学习或训练。其本质是 对各层神经间的连接权值进行动态调整。 B P 人工神经网络具有良好的自学习、自适应、 联想记忆、并行处理和非线性转换的能力，避免了复 杂数学推导，在样本缺损和参数漂移的情况下，仍能 保证稳定的输出u 0 。。 1 ．2B P 神经网络理论计算 设有N ，个输入样本，即输入层神经元个数为 N 。个初始权值 叫 和阈值 曰 ，一般把权值和阀值 设置成较小的随机数[ 1 1 。，隐含层神经元个数为N 。， 输出层神经元个数为N 。，其激活函数均为S i g m o i d 函数，见式 1 [ 2 ．1 2 - 1 4 ] 。 1 厂 z 忐 1 1TE 神经网络节点i 的输出见式 2 。 ，。 。w * O 女 2 式中，W 。一神经节点i 和是之间的连接权； q 一节点k 处的输出值，q 厂 J ， 。 使神经网络输出Q 。与第P 个期望输入E 。之 间的差满足式 3 、式 4 。 1 E K 一寺∑p E p Q 女 2 ≤￡ 3 厶 E 一∑l E ≤￡ 4 式中E 一第P 个样本训练得到的输出误差 和；E 一行个样本完成一个训练周期后得到的累计误 差；e 一误差限。 若误差不满足期望值，则使用递归法使权值沿 着误差函数的负梯度方向改变直到第一层隐含层为 止。隐含层与输出层的连接权值w7 “的调整值为 调整后的隐含层与输出层的连接权值为W7 见式 5 。 A W 7 旬一r ／ E * 一q 厂7 t P m q 5 式中r 学习速率；E 。一第k 个神经元的期望 输出。 而输人层与隐含层之间的连接权值矿如的调 整值，见式 6 。 A W ”如一叩[ 厂7 ， P ， ∑。占。W 7 可] q 6 式中文一 E 。一O k f 7 。 P ； 为中间变量；O 一 输入层第i 神经元的输出，i 1 ，2 ，3 ，⋯⋯。 2 B P 神经网络模型的建立 2 ．1 输入层个数的确定 B P 神经网络模型的输入层一般是影响结果的 参数，就爆破工程而言输人层参数即为爆破影响因 素，不同学者考虑的因素有所不同，故而个数也不尽 相同，例如张成良等[ 1 朝将岩体强度、岩体的裂隙发 育程度、炮孑L 直径、孔深作为输入层参数；祝文化 等6 1 将岩体条件、岩石特性、开采工艺参数、爆破网 络几何参数、炸药特性等1 7 个因素作为输入层；林 万方数据 第6 期冷智高等B P 神经网络在爆破振动中的研究与应用 1 1 从谋等[ 17 3 将孑L 深、孑L 数、孔距、最大齐爆药量、总药 量和爆源距设为输入层参数；张艺锋等[ 1 83 将总药 量、单段最大药量、爆破段数、爆心距、场地条件特征 作为输入层参数。 影响爆破效果的因素按其性质可划分为[ 】钉岩 体条件、岩石特性、开采工艺参数、爆破网络几何参 数、炸药特性，但是不同的影响因素对爆破结果的影 响程度不同，有的程度大有的则相反。若将如此多 的影响因素全部作为输入层神经元，不仅不会使预 测结果精度得到有效地提高，反而会使神经网络的 结构更加复杂，增加网络的运算步数，降低运算效 率。所以确定某个输入层参数还需要考虑该参数对 爆破结果的影响程度，若某些参数影响较小则可直 接删除不予考虑。 2 ．2 隐含层神经元个数的确定 据K o l m o g o r o v3 层神经网络映射存在的定理， 隐含层神经元个数与输入层神经元个数之间遵循 N 。 2N l 1 ，即隐含层神经元个数等于输入层个数 的两倍还多一个。不同学者设定的不同的输入层参 数个数会出现不同隐含层个数的结构。 2 ．3 输出层神经元个数的确定以及网络模型的学 习训练 B P 神经网络模型的输出层参数即为爆破工作 者所预测的结果或爆破效果，除本文引言部分应用 外还有祝文化等n 6 1 应用B P 神经网络模型预测爆破 块度，言志信等[ 2 叩预测爆破振动峰值。 B P 神经网络模型是具有学习联想性、鲁棒性和 高度容错性，能够处理高非线性问题的网络模型，它 不需要提前设定好，只需将符合工程需要的爆破结 果数据作为学习样本训练根据式 5 、 6 逐渐调整 各层之间连接的权值和阈值，使得训练结果的误差 符合期望误差，即学习训练结束，调整后的连接权值 和阈值便可用于模型预测，再将需要预测的爆破参 数输入到训练好的神经网络中便可预测结果。 作为模型训练样本数据指标不同，且样本中各向 量的数量级差别很大。为计算方便和防止部分神经 元达到过饱和状态”“，需要对训练样本数据按式 7 作归一化处理。 T 7 一面死x - - 丁r a i i n 而x 丽 7 “ m a x z 一m i n z ⋯ 而预测后的结果是经过归一化处理的，为使数 据更加直观需对预测后结果进行反归一化处理，即 按式 8 处理。 z 一．1 7 7 E m a x x 一m i n x 1 m i n x 8 经归一化后的训练样本训练的模型最后具有 N l N2 一N3 的拓扑结构 T o p o l o g i c a lS t r u c t u r e 。 2 ．4 工程爆破中B P 神经网络模型的应用 B P 神经网络模型在处理非线性问题方面的优 良性质，让越来越多的国内外学者将其应用到爆破 研的究领域，除前文所述学者研究成果外， M M O N J E Z I 等[ 2 2 ] 将B P 神经网络应用到预测爆 破产生的飞石，并优化爆破相关参数对飞石距离进 行控制以减少其对人员设备的损伤；赵国彦等[ 2 叫将 P O S 算法应用到B P 神经网络用来优化爆破大块率 相关参数。 李洪超等[ 2 4 ] 应用B P 神经网络模型预测布沼坝 露天矿爆破效果，发现该网络模型能够很准确的对 爆破结果进行预测；特种爆破中应用B P 神经网络 对方案进行评估也能取得很好的效果，田成祥等[ 2 叫 建立了评估工程兵桥梁爆破方案的B P 神经网络模 型，验证了模型良好的应用性质；周强[ 2 6 ] 在其硕士 学问论文中基于B P 神经网络在求解不确定问题的 优越性，建立了B P 神经网络评价模型评价拆除爆 破安全性；在高含水岩层中，李玉能等[ 2 7 1 基于B P 神 经网络对爆破振动参数进行预报，发现预报结果与 实测值较为接近；蒲传金等心8 3 利用B P 神经网络模 型预测大桥桩基爆破振动，与传统预测公式相比精 度提高6 ～7 成；除此之外，还有不少学者[ 29 。3 0 ] 利用 B P 神经网络模型对爆破参数进行优化，以期取得更 好的爆破效果。 2 ．5 对B P 神经网络模型的修正 B P 神经网络对爆破振动的预测误差一般在 1 0 ％左右，符合现实的工程要求。孙文彬等口研究 了不同隐含节点个数、训练函数、转移函数、学习率 对B P 神经网络预测结果准确性和收敛速度的影 响，最后得出最优的B P 拓扑结构为1 0 一6 3 ，并不符 合K o l m o g o r o v 定理，最佳训练函数为L e v e n b e r g M a r q u a r t L M 函数，而大多数学者大多使用弹性 下降法，最佳转移函数是正切和线性函数，最佳学习 率是0 ．7 7 ；苟倩倩等[ 3 2 ] 为优化网络结构提高网络的 容错性能，建立了P A C B P 神经网络计算模型，预 测精度显著提高；文献[ 1 4 ] 建立了两个B P 神经网 络，在模型1 的基础上将区域地质条件，岩体R M R 值纳人输人层参数建立修正模型2 ，发现模型2 精 度比模型1 高5 ％～8 ％，且两个模型的预测精度与 传统的萨道夫斯基公式相比具有较大提高；施建俊 等[ 3 胡利用M a t l a b 强大的计算能力，结合V B 的友 好界面开发得到爆破振动峰值预测的系统，该系统 万方数据 1 2 有 色 金属 矿山部分第7 1 卷 预测精度高，人机交互界面友好。 3结论 将B P 神经网络引入工程爆破研究领域，极大 地方便了爆破工作者们对爆破结果的预测，既提高 了预测精度也保证了工作安全。至此，得出以下 结论 1 将B P 神经网络应用到爆破的各个研究领 域，取得了良好的试验结果，应用B P 神经网络预测 爆破结果可以减少爆破作业带来的危害，降低安全 成本，指导爆破作业的施工。 2 B P 神经网络模型的预测结果十分接近实际 结果，误差一般在1 0 ％左右，再结合例如P A C 算 法、P O S 算法或者M A T L A B 软件等优化网络后甚 至可以将误差控制在5 ％以内。 3 输入层因子一般是爆破影响因素，在考虑输 入层参数时应衡量该因素对最终结果的影响程度， 参数太多不仅不会有效的提高精度反而会增加模型 的运算步数降低效率。 参考文献 [ 1 ]唐海，石永强，李海波，等．基于神经网络的爆破振动速度峰 值预报[ J ] ．岩石力学与工程学报，2 0 0 7 ，2 6 增刊1 3 5 3 3 3 5 3 9 ． [ 2 ]夏梦会，董香山。张力民，等．神经网络模型在爆破震动强度预测 中的应用研究[ J ] ．有色金属 矿山部分 ，2 0 0 4 ，5 6 3 2 5 2 7 ． [ 3 ] 韩亮，刘殿书，李红江，等．基于W e i b u n 模型的高台阶抛掷爆 破爆堆形态B P 神经网络预测[ J ] ．煤炭学报，2 0 1 3 ，3 8 1 1 19 4 7 1 9 5 2 ． E 4 3 王建国。黄永辉．周建明．露天煤矿爆破振动的B P 神经网络预 测[ J ] ．河南理工大学学报 自然科学版 。2 0 1 6 ，3 5 3 3 2 2 3 2 8 ． [ 5 ]徐全军，张庆明，恽寿榕．爆破地震峰值的神经网络预报模型[ J ] ． 北京理工大学学报，1 9 9 8 。1 8 4 4 7 2 4 7 5 ． [ 6 ] 林从谋，逢焕东。王其升，等．隧道掘进爆破地震峰值神经网络 预报研究[ J ] ．岩土力学，2 0 0 4 ，2 5 增刊1 12 5 1 2 6 ． [ 7 3 葛宏伟，梁艳春，刘玮，等．人工神经网络与遗传算法在岩石 力学中的应用[ J ] ．岩石力学与工程学报，2 0 0 4 ，2 3 9 15 4 2 - 15 5 0 ． [ 8 ] 林鲁生，冯夏庭，白世伟．等．人工神经网络在边坡滑移预测中 的应用[ J ] ．岩土力学，2 0 0 2 ，2 3 4 5 0 85 1 0 ． [ 9 ] 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 ． [ i o ] 陈德志，朱瑞赓，徐顺香．基于B P 神经网络的路堑爆破对邻近 民房安全预测的研究[ J ] ．岩石力学与工程学报，2 0 0 2 ，2 1 增 刊2 2 5 5 4 2 5 5 7 ． [ 1 1 ] 王进学，郭勇，曲文峰．神经网络法预测爆破震动速度初探[ J ] ． 有色矿冶，2 0 0 3 ，1 9 1 1 3 16 ． [ 1 2 ]王国立，申英锋，郭冰若．人工神经网络预测爆破效果[ J ] ．矿 冶，2 0 0 2 ，1 1 2 1 2 15 ． [ 1 3 ] 蔡德所。胡铁松，张继春．基于前馈网络的岩体爆破效应预测 研究[ J ] ．岩土工程学报，19 9 7 ，1 9 1 4 5 5 1 ． [ 1 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 ． [ 15 ] 张成良，杨阳，梁开水，等．岩壁梁爆破参数优化的神经网 络模型[ J ] ．工程爆破，2 0 0 6 ，1 2 1 2 2 2 5 ，5 1 ． [ 1 6 ]祝文化。朱瑞赓，夏元友．爆破块度预测的神经网络方法研究[ J ] ． 武汉理工大学学报．2 0 0 1 ，2 3 1 6 0 一6 3 ． [ 17 ]陶挺，林从谋，程李凯．爆破振动的B P 神经网络预测方法 研究[ J ] ．爆破．2 0 1 1 ，2 8 4 1 0 5 1 0 7 ． [ 1 8 ] 张艺峰，姚道平，谢志招．基于B P 神经网络的爆破振动峰值 及主频预测[ J ] ．工程地球物理学报，2 0 0 8 ，5 2 2 2 2 2 2 6 ． [ 1 9 ] 郭连军，王智静，牛成俊，等．爆破优化的神经网络模型[ J ] ． 工程爆破．1 9 9 6 ，2 2 1 1 1 5 ． [ 2 0 ] 言志信，言 涅，江平，等．应用人工神经网络预报爆破地 震动峰值[ J ] ．铁道学报，2 0 1 0 ，3 2 5 1 4 0 14 3 ． [ 2 1 ] 王新民，赵彬，王贤来，等．基于B P 神经网络的凿岩爆破参 数优选[ J ] ．中南大学学报 自然科学版 ．2 0 0 9 ，4 0 5 1 4 l 卜1 4 1 6 ． [ 2 2 ] M O N J E Z IMA M I RB A H R A M IA I 。1Y A Z D l A N 删A N I ， A H M A DR E Z AS A Y A D I ．P r e d i c t i o na n dC o n t r o l l i n go fF l y r o c k i nB l a s t i n gO p e r a t i o n u s i n gA r t i f i c i a lN e u r a lN e t w o r k [ J ] ． O r i g i n a lP a p e r ，2 0 0 9 ，4 3 4 2 卜4 2 5 ． [ 2 3 ] 赵国彦，孙贵东，戴兵，等．基于P S O 改进的B P 网络在爆 破大块率优化中的应用[ J ] ．爆破．2 0 17 ，3 4 2 15 一1 9 ，3 9 ． [ 2 4 ]李洪超，刘殿书，李建丰，等．布沼坝露天矿爆破效果预测B P 神经网络模型应用[ J ] ．工程爆破，2 0 15 ，2 1 2 2 5 2 9 ．3 5 ． [ 2 5 ]田成祥，侯德广．基于B P 神经网络的工程兵桥梁爆破方案评 估模型[ J ] ．电脑与信息技术，2 0 17 ，2 5 5 2 5 2 8 ． [ 2 6 ]周强．城市拆除爆破安全评价模型研究[ D ] ．昆明昆明 理工大学，2 0 0 8 ． [ z 7 ] 李玉能，马建军。池恩安，等．基于B P 神经网络的高含水岩石 爆破震动参数预报[ J ] ．爆破．2 0 17 ，3 4 2 6 8 7 3 ． [ 2 8 ] 蒲传金，郭王林，秦晓星，等．基于B P 神经网络的桩基爆破振 动速度预测[ J ] ．爆破，2 0 1 8 ，3 5 2 17 7 1 8 1 ． [ 2 9 ]郝全明，杨振增．B P 神经网络在岩层爆破参数优化中的应用[ J ] ． 煤炭技术，2 0 1 4 ，3 3 1 2 2 0 ～2 2 ． [ 3 0 ] 袁绍国。王振涛。耿荣，等．基于B P 神经网络的爆破参数优 化研究[ J ] ．煤炭技术，2 0 1 7 。3 6 1 1 1 0 - 1 1 ． [ 3 1 ] 孙文彬，刘希亮，谭正龙，等．基于抛掷爆破预测的B P 神经网 络参数优化方法[ J ] ．煤炭学报，2 0 12 ，3 7 增刊1 5 9 6 4 ． [ 3 2 ] 苟倩倩，赵明生，池恩安．等．基于P C A B P 神经网络在爆破 振动评价要素中的预测及应用[ J ] ．矿业研究与开发，2 0 1 8 ， 3 8 1 2 9 7 一1 0 2 ． [ 3 3 ] 施建俊，李庆亚，张琪，等．基于M a t l a b 和B P 神经网络的 爆破振动预测系统[ J ] ．爆炸与冲击，2 0 17 ，3 7 6 1 0 8 7 1 0 9 2 ． 万方数据