爆破振动特征参量预测的非线性模型及应用.pdf

爆破振动特征参量预测的非线性模型及应用 ① 马春德１，２， 董陇军１， 周亚楠３， 徐纪成２ （１．中南大学 资源与安全工程学院，湖南 长沙 ４１００８３；２．中南大学 高等研究中心，湖南 长沙 ４１００８３；３．辽宁工程技术大学 安全科学与工程学院，辽宁 阜新 １２３０００） 摘 要 选取最大段药量、总药量、水平距离、高差、前排抵抗线、预裂缝穿透率、完整性系数、测点与最小抵抗线方向夹角、炸药爆速 ９ 个因素为判别指标，基于非线性分析方法支持向量机理论建立了预测爆破振动幅值、主频率、主频率持续时间等的爆破振动特征 参量预测模型。 将该方法应用到大冶有色铜绿山矿露天采场爆破振动对砌体结构破坏效应预测问题中，对现场实测的 ９３ 组数据 进行训练和检验，用另外 １５ 组现场数据作为预测样本进行测试，预测结果与实测情况吻合较好。 研究表明，该方法回判估计的误 判率低，判别性能良好，是爆破振动对砌体结构破坏效应预测的一种有效新方法，可以在实际工程中进行推广应用。 关键词 爆破工程； 支持向量机模型； 爆破振动速度； 主频率； 主频率持续时间 中图分类号 ＴＤ２３５文献标识码 Ａｄｏｉ１０．３９６９／ ｊ．ｉｓｓｎ．０２５３－６０９９．２０１４．０６．００１ 文章编号 ０２５３－６０９９（２０１４）０６－０００１－０４ Ｎｏｎｌｉｎｅａｒ Ｍｏｄｅｌ ｆｏｒ Ｐｒｅｄｉｃｔｉｎｇ Ｃｈａｒａｃｔｅｒｉｓｔｉｃ Ｐａｒａｍｅｔｅｒｓ ｏｆ Ｂｌａｓｔｉｎｇ Ｖｉｂｒａｔｉｏｎ ａｎｄ Ｉｔｓ Ａｐｐｌｉｃａｔｉｏｎ ＭＡ Ｃｈｕｎ⁃ｄｅ１，２， ＤＯＮＧ Ｌｏｎｇ⁃ｊｕｎ１， ＺＨＯＵ Ｙａ⁃ｎａｎ３， ＸＵ Ｊｉ⁃ｃｈｅｎｇ２ （１．Ｓｃｈｏｏｌ ｏｆ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｓａｆｅｔｙ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｃｅｎｔｒａｌ Ｓｏｕｔｈ Ｕｎｉｖｅｒｓｉｔｙ， Ｃｈａｎｇｓｈａ ４１００８３， Ｈｕｎａｎ， Ｃｈｉｎａ； ２．Ｃｅｎｔｅｒ ｆｏｒ Ａｄｖａｎｃｅｄ Ｓｔｕｄｙ， Ｃｅｎｔｒａｌ Ｓｏｕｔｈ Ｕｎｉｖｅｒｓｉｔｙ， Ｃｈａｎｇｓｈａ ４１００８３， Ｈｕｎａｎ， Ｃｈｉｎａ； ３． Ｃｏｌｌｅｇｅ ｏｆ Ｓａｆｅｔｙ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｌｉａｏｎｉｎｇ Ｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｆｕｘｉｎ １２３０００， Ｌｉａｏｎｉｎｇ， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ Ｗｉｔｈ ｓｏｍｅ ｆａｃｔｏｒｓ， ｉｎｃｌｕｄｉｎｇ ｃｈａｒｇｅ ｗｅｉｇｈｔ ｏｆ ｔｈｅ ｌａｒｇｅｓｔ ｓｅｃｔｉｏｎ， ｔｏｔａｌ ｗｅｉｇｈｔ ｏｆ ｅｘｐｌｏｓｉｖｅ， ｈｏｒｉｚｏｎｔａｌ ｄｉｓｔａｎｃｅ， ｅｌｅｖａｔｉｏｎ ｄｉｆｆｅｒｅｎｃｅ， ｆｒｏｎｔ⁃ｒｏｗ ｂｕｒｄｅｎ， ｔｈｅ ｐｅｎｅｔｒａｔｉｏｎ ｏｆ ｐｒｅ⁃ｓｈｅａｒ， ｉｎｔｅｇｒｉｔｙ ｃｏｅｆｆｉｃｉｅｎｔ ｏｆ ｒｏｃｋ ｍａｓｓ， ｔｈｅ ａｎｇｌｅ ｂｅｔｗｅｅｎ ｒｅｐｏｒｔｉｎｇ ｐｏｉｎｔ ａｎｄ ｔｈｅ ｍｉｎｉｍｕｍ ｂｕｒｄｅｎ， ａｎｄ ｖｅｌｏｃｉｔｙ ｏｆ ｄｅｎｏｔａｔｉｏｎ， ａｓ ｄｉｓｃｒｉｍｉｎａｎｔ ｉｎｄｅｘｅｓ， ａ ｍｏｄｅｌ ｈａｓ ｂｅｅｎ ｅｓｔａｂｌｉｓｈｅｄ， ｂａｓｅｄ ｏｎ ｎｏｎｌｉｎｅａｒ ａｎａｌｙｓｉｓ ｏｆ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ， ｆｏｒ ｐｒｅｄｉｃｔｉｎｇ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｐａｒａｍｅｔｅｒｓ ｏｆ ｂｌａｓｔｉｎｇ ｖｉｂｒａｔｉｏｎ， ｓｕｃｈ ａｓ ｂｌａｓｔｉｎｇ ｖｉｂｒａｔｉｏｎ ａｍｐｌｉｔｕｄｅ， ｄｏｍｉｎａｎｔ ｆｒｅｑｕｅｎｃｙ ａｎｄ ｄｕｒａｔｉｏｎ． Ｔｈｉｓ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌ ｗａｓ ａｐｐｌｉｅｄ ｉｎ ｔｈｅ Ｔｏｎｇｌｖｓｈａｎ Ｍｉｎｅ ｉｎ Ｄａｙｅ， ｆｏｒ ｐｒｅｄｉｃｔｉｎｇ ｔｈｅ ｄａｍａｇｅ ｏｆ ｖｉｂｒａｔｉｏｎ ｔｏ ｔｈｅ ｍａｓｏｎｒｙ ｓｔｒｕｃｔｕｒｅ ｄｕｅ ｔｏ ｂｌａｓｔｉｎｇ ｉｎ ｏｐｅｎ⁃ｐｉｔ ｍｉｎｅ． Ｗｉｔｈ ９３ ｇｒｏｕｐｓ ｏｆ ｉｎ⁃ｓｉｔｕ ｍｅａｓｕｒｅｍｅｎｔ ｔａｋｅｎ ａｓ ｔｒａｉｎｉｎｇ ｓｅｔｓ， ａｎｏｔｈｅｒ １５ ｇｒｏｕｐｓ ｏｆ ｉｎ⁃ｓｉｔｕ ｄａｔａ ａｓ ｓａｍｐｌｅｓ ｆｏｒ ｐｒｅｄｉｃｔｉｏｎ， ｉｔ ｗａｓ ｆｏｕｎｄ ｔｈａｔ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｒｅｓｕｌｔｓ ｗｅｒｅ ｉｎ ｃｏｎｓｉｓｔｅｎｔ ｗｉｔｈ ｐｒａｃｔｉｃａｌ ｍｅａｓｕｒｅｍｅｎｔ． Ｉｔ ｉｓ ｃｏｎｃｌｕｄｅｄ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌ， ａｓ ａｎ ｅｆｆｅｃｔｉｖｅ ｔｏｏｌ ｗｉｔｈ ｌｏｗｅｒ ｅｒｒｏｒ ｒａｔｅ ｉｎ ｐｒｅｄｉｃｔｉｏｎ， ｃａｎ ｆｉｎｄ ａ ｗｉｄｅ ａｐｐｌｉｃａｔｉｏｎ ｉｎ ｐｒａｃｔｉｃａｌ ｅｎｇｉｎｅｅｒｉｎｇ ｐｒｏｊｅｃｔ． Ｋｅｙ ｗｏｒｄｓ ｂｌａｓｔｉｎｇ ｅｎｇｉｎｅｅｒｉｎｇ； ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ； ｂｌａｓｔｉｎｇ ｖｉｂｒａｔｉｏｎ ｖｅｌｏｃｉｔｙ； ｄｏｍｉｎａｎｔ ｆｒｅｑｕｅｎｃｙ； ｄｏｍｉｎａｎｔ ｆｒｅｑｕｅｎｃｙ ｄｕｒａｔｉｏｎ 爆破是矿业、交通以及水电工程中土石开挖的主 要施工手段。 在爆破开挖过程中，爆破引起的振动影 响临近建筑物安全。 准确分析和预报爆破引起的质点 振动速度规律进而对爆破设计和施工进行优化是有效 减小爆破振动危害的主要方法。 目前，工程中往往是 根据现场振动监测结果，根据萨氏公式进行回归分析， 然后基于回归分析得到的萨氏公式预测爆破振动速度 的量值［１－２］。 但是萨氏公式中仅仅考虑了装药量、爆 源距两个参数，通常情况下，其预测爆破振动速度的精 度不高，因为爆破振动不仅与爆破设计参数如药量、段 间隔、爆源距等有关，还与爆破场地的地质条件如地形 地貌引起的高程差、岩性和岩体结构等有关［３－４］，爆破 振动速度与这些参数和条件之间存在着极其复杂的非 线性关系。 因此，很难用一个经验公式把这些因素考 ①收稿日期 ２０１４－０６－２８ 基金项目 国家自然科学基金资助项目（５０６７４１０７；１０８７２２１８）；国家博士后基金资助（２０１４Ｍ５５２１６３） 作者简介 马春德（１９７６－），男，辽宁丹东人，博士后，主要从事岩石力学与采矿工程方面的研究工作。 第 ３４ 卷第 ６ 期 ２０１４ 年 １２ 月 矿矿 冶冶 工工 程程 ＭＩＮＩＮＧ ＡＮＤ ＭＥＴＡＬＬＵＲＧＩＣＡＬ ＥＮＧＩＮＥＥＲＩＮＧ Ｖｏｌ．３４ №６ Ｄｅｃｅｍｂｅｒ ２０１４ 虑进去。 对爆破震动的预报通常分两种情况，一种是对爆 破振动特征参量（幅值、主频率和持续时间）进行预 报，之后根据爆破振动安全判据来判断被保护建（构） 筑物的安全状况，最后对爆破振动进行控制，这是目前 绝大多数研究人员采用的研究方法；第二种是根据爆 破参数、场地条件和被保护建（构）筑物特征以及专家 知识，直接对被保护建（构）筑物的安全状况进行预 测。 两种预测方法均需要大量的测试数据。 第一种研究方法采用的振动强度预报经验公式为 萨道夫斯基公式及其变形，通过大量实际监测，采用回 归分析方法可以得出经验系数 Ｋ 和 α 值，从而达到预 报爆破地震峰值质点振动速度的目的。 由于影响爆破 振动的因素很多，因此该方法预测精度较差。 近年来， 不少学者把神经网络模型应用于爆破振动速度预测， 取得了较好的预测效果［５－１１］。 第二种研究方法除爆破条件外还涉及被保护对 象，影响因素更多，并且包含很多不确定因素。 综上所述，爆破振动产生的负面效应是工程爆破 不可避免的问题，在爆破前对可能产生的振动进行预 报，以便采取措施对有关目标进行保护，对任何一次爆 破是非常重要的。 对不同爆破条件下爆破振动信号时 频特征的研究，在很大程度上为爆破振动预报研究奠 定了一定基础。 然而以上研究的严重缺陷是没有对爆 破振动的主频率和持续时间进行很好的研究。 事实上，在很多情况下，工程爆破需要保护的目标 如露天矿边坡或建筑物等距爆源都比较近，需要在比 例距离较小时对爆破振动实现较高精度的预测，因此， 要求找出一种新的更为有效的方法，这种方法既有较 高的预测精度，又可反映爆破振动受多因素影响的事 实，还可以预测爆破振动的主频率和持续时间［１２－２０］。 本文以大冶有色铜绿山矿露天采场爆破振动预测为 例，应用 ＳＶＭ 实现对爆破主要特征参量爆破振动的主 频率和持续时间的预测。 １ 支持向量机模型 支持向量机是基于统计学理论的一种新的学习方 法，它是建立在一套较好的有限样本下的机器学习理 论框架和通用办法。 它能够很好地解决小样本、非线 性、高维数和局部极小点等实际问题。 其基本思想是 通过某种事先选择的非线性映射，将输入向量映射到 一个高维特征空间，在这个空间内构造最优分类超平 面，其基本过程如图 １ 所示［２１］。 对于支持向量机的函数拟合问题，就是用函数 图 １ 支持向量机结构示意 ｆ（ｘ） ＝ ｗｘ ＋ ｂ 拟合数据｛ｘｉ，ｙｉ｝，ｉ ＝ １，２，，ｎ，ｘｉ∈Ｒｎ， ｙｉ∈ Ｒ 的问题，按照支持向量机理论拟合函数为 ｆ（ｘ） ＝ ｗｘ ＋ ｂ ＝∑ ｋ ｉ ＝ １ （ａｉ － ａ ∗ ｉ ）Ｋ（ｘｘｉ） ＋ ｂ （１） 式中 ａｉ，ａ∗ ｉ ，ｂ 是通过解下面的二次优化问题获得的， 通常 ａｉ，ａ∗ ｉ 只有一小部分不为 ０，被称为支持向量。 ｍａｘ ｗ（ａ，ａ∗） ＝－ １ ２ ∑ ｋ ｉ，ｊ ＝ １（ａ ｉ － ａ ∗ ｉ ）（ａｊ － ａ ∗ ｊ ）Ｋ（ｘｉｘｊ ） ＋ ∑ ｋ ｉ ＝ １ ｙｉ（ａｉ － ａ ∗ ｉ ） － ε∑ ｋ ｉ ＝ １ （ａｉ ＋ ａ ∗ ｉ ）（２） ｓ．ｔ． ∑ ｋ ｉ ＝ １ （ａｉ － ａ ∗ ｉ ） ＝ ０ ０ ≤ ａｉ， ａ∗ ｉ ≤ Ｃ， （ｉ ＝ １，２，，ｋ） { （３） 式中 Ｃ 为惩罚因子，表示对超出误差 ε 的样本的惩罚 程度；Ｋ（ｘｉｘｊ）是核函数，在支持向量机算法中通过引 入核函数巧妙地解决高维计算问题。 目前常用的核函 数主要有 １） 线性核 Ｋ（ｘ，ｙ） ＝ ｘｙ（４） ２） 多项式核 Ｋ（ｘ，ｙ） ＝ ［（ｘｙ） ＋ １］ ｄ （ｄ ＝ １，２，） （５） ３） 径向基函数核 Ｋ（ｘ，ｙ） ＝ ｅｘｐ －ｘ － ｙ ２ σ２ （６） ４） ２ 层神经网络核 Ｋ（ｘ，ｙ） ＝ ｔａｎｈ［ａ（ｘｙ） － δ］（７） ２ 爆破振动特征参量预测的支持向量 机模型 ２．１ 模型输入变量的确定 岩体爆破开挖伴随着炸药能量的释放和周围岩土 介质的运动两个过程，期间爆炸对岩土介质的作用可 看作是波动力学过程，可视为应力波在介质中传播和 ２矿 冶 工 程第 ３４ 卷 对介质的扰动。 综合考虑后，选取最大段药量（ｋｇ）、 总药量（ｋｇ）、水平距离（ｍ）、高差（ｍ）、前排抵抗线 （ｍ）、预裂缝穿透率（％）、完整性系数、测点与最小抵 抗线方向夹角（）、炸药爆速（ｍ／ ｓ）为判别因子，分别 用 Ｘ１～Ｘ９表示。 待预测的爆破振动特征参量为对峰 值质点振动速度（ｃｍ／ ｓ）、第一主频率（Ｈｚ）、第一主频 率持续时间，分别表示为 Ｙ１～Ｙ３。 ２．２ 模型的确定 输入参量应包括影响爆破振动的所有主要因素， 具体到铜绿山露天采场，网络输入确定为① 段药量； ② 总装药量；③ 距离；④ 高差；⑤ 抵抗线；⑥ 预裂爆 破效果；⑦ 岩体结构构造；⑧ 测点和爆区相对位置； ⑨ 炸药种类。 网络的输出参量显然是峰值质点振动速度、第一 主频率和第一主频率持续时间。 ３ 应用实例 将本文建立的模型应用到大冶有色铜绿山矿露天 采场爆破振动特征参量的预测研究中。 现场实测的数 据有 １０８ 组，将 ９３ 组作为训练样本建立模型，另外 １５ 组作为测试样本检验模型的合理性。 将测试样本的 Ｘ１～Ｘ９及 Ｙ１～Ｙ３数据列于表 １ 中。 通过本文建立的模型对预测样本进行预测，将 Ｙ１ ～Ｙ３的预测值及其相对误差列入表 ２。 从表 ２ 得知， 支持向量机模型所得的预测值与实际监实测值的相对 误差较低，有个别样本误差偏高外，大部分相对误差在 可接受的范围之内。 从图 ２ 可以清楚的看到，峰值质 点振动速度（ｃｍ／ ｓ）的计算结果与实测结果吻合最好， 表 １ 测试数据实测结果 序号 Ｘ１Ｘ２Ｘ３Ｘ４Ｘ５Ｘ６Ｘ７Ｘ８Ｘ９Ｙ１Ｙ２Ｙ３ １３５０１ ０５０１１４．７１６．８５８００．３８１６０２ ８０００．４１７２６．５１９５ ２３７０２ １５０７０．３４２７００．７３１８０４ ２００４．７５４４８．６９８５ ３３７０２ １５０１０１．２５４７００．５６１１５４ ２００１．５５４４９．５７９０ ４４９４３ ９５２１２２．６６２．１５００．３２１２０２ ８０００．６０８４１．７６１０ ５７３０４ ３８０１１５．７５０．９６５００．４２１８０４ ２００１．５９７２５．３６３５ ６８４０５ ６６０２１４．７７５．１６００．５２１２０４ ２０００．２１８３８．４８９０ ７８９０１ ８００７２．１４２．０５１０００．７３８０４ ２００３．１９４３９．２３４５ ８８９０１ ８００５３．２３０５１０００．６５５０４ ２００２．３８９４１．６４１５ ９１ ０９０５ ４５０２３１．９３０．０５１０００．７２９０４ ２０００．４９６２７．８６５０ １０１ ２９０３ ８７０１７７．６７３．０６００．５６１８０４ ２００１．１０２４０．４４１５ １１１ ４１０６ ７８０１８９．９６４．０５００．５１１８０４ ２００１．０４７３８．３９８５ １２１ ６３６４ ９８０１２５．１４２．２４００．５５１８０４ ２００２．１２４４０．６８３０ １３１ ７９０５ ３７０３９３．１９８．０４６００．７１５０２ ８０００．３０２１６．２５０５ １４１ ８５０８ ５００６８．５３０．０６００．５０１８０２ ８００３．８８０４０．６１ ３８０ １５２ １８０４ ３６０２２６．９１０６．０５００．４６６０４ ２０００．４９８２６．８５６５ 表 ２ 实测值与预测值对比 序号 预测值实测值相对误差 Ｙ１Ｙ２Ｙ３Ｙ１Ｙ２Ｙ３Ｙ１Ｙ２Ｙ３ １∗０．７４２３．９４０６．８４０９３０．４１７２６．５１９５４３．２２５０１１０９１０８．６３６４ ２３．２４５１ １３５．７５２７４．７５４４８．６９８５４８．９７３９１５．３１５．３０４８４ ３１．７９４４．１１ ０３４．６０７１．５５４４９．５７９０１２．８７７９３１３０．９６２９１ ４∗０．３７４０．３６８２．５６４８８０．６０８４１．７６１０５５．４１６５１１．９１１．８９５８８ ５１．４３１．７７７９．９２６５３１．５９７２５．３６３５４．０７２２２２．８２２．８２３０８ ６．２１３５．５９０３．９７７６８０．２１８３８．４８９０２．５９７１６１．５７１．５７０５２６ ７２．１６４０３５９．９３８６３３．１９４３９．２３４５４７．９３１４．３３４．３３００３７ ８２．４３９．５３６２．８２８７１２．３８９４１．６４１５０．４１０６１２ －１３ －１２．５７１４ ９０．６２６．９５３０．８１６４６０．４９６２７．８６５０１６．９９０２４ －１８ －１８．３３５９ １００．９５４１５７９．３４１０２１．１０２４０．４４１５１５．１４１３９．６３９．６００２５ １１１．２６３６．２８５５．２４１９１．０４７３８．３９８５１６．９６６４９ －１３ －１３．１７３４ １２２．３３９．１７５５．９８１２９２．１２４４０．６８３０７．３０７７０５ －８．９ －８．９１７９２ １３∗０．６６２１６６１．４０２３２０．３０２１６．２５０５５３．８２２８８３１３０．９７０７６ １４３．２４３８．９１ ２４２．３７７５３．８８４０．６１ ３８０１８．１８７２ －１０ －９．９７２６５ １５０．９４２７．３６１３．２２０６０．４９８２６．８５６５４６．５２６６１８．５３８．５３４６２ 注 ∗样本表示误差较大的样本。 ３第 ６ 期马春德等 爆破振动特征参量预测的非线性模型及应用 图 ２ 计算结果与实测结果比较 其次为第一主频率（Ｈｚ）和第一主频率持续时间。 以 上结果证明本文建立的模型是合理可靠的。 可见用支 持向量模型对爆破振动参量预测是可行且科学有 效的。 ４ 结 论 爆破振动受多种因素的影响，其爆破振动速度的 预报一直是爆破界关注的重点，而预测方法的选择往 往影响预报的精度。 选取最大段药量、总药量、水平距 离、高差、前排抵抗线、预裂缝穿透率、完整性系数、测 点与最小抵抗线方向夹角、炸药爆速 ９ 个因素为判别 指标，基于支持向量机理论建立了预测爆破振动幅值、 主频率、主频率持续时间等的爆破振动特征参量预测 预测模型。 将该方法应用到大冶有色铜绿山矿一露天 采场爆破振动对砌体结构破坏效应预测问题中，对现 场实测的 ９３ 组数据进行训练和检验，用另外 １５ 组现 场数据作为预测样本进行测试，预测结果与实测情况 吻合较好。 研究表明，该方法回判估计的误判率低，判 别性能良好，是爆破振动对砌体结构破坏效应预测的 一种有效新方法，可以在实际工程中进行推广应用。 参考文献 ［１］ 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，２０００，１７（３）１３－１７． ［２］ 张继春，彭琼芳． 岩体爆破地震波衰减规律的现场试验与分析 ［Ｊ］． 辽宁工程技术大学学报（自然科学版），２００１，２０（４）３９９－ ４０１． ［３］ 姚 尧． 爆震的放大效应与二元回归分析［Ｊ］． 爆破，１９９２，９ （４）４－８． ［４］ 卢文波，Ｈｕｓｔｒｕｌｉｄ．Ｗ 质点峰值振动速度衰减公式的改进［Ｊ］． 工 程爆破，２００２，８（３）１－４． ［５］ 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，１９９７，１９（１）４３－４９． ［６］ 叶洲元，马建军，蔡路军，等． 利用振动监测数据优化预测爆破质 点振动速度［Ｊ］． 矿业研究与开发， ２００３，２３（４）４７－５１． ［７］ 周志华，张金山，刘 勤． 基于人工神经网络的爆破振动速度峰值 的预报［Ｊ］． 包头钢铁学院学报，２００３，２２（１）８－１０． ［８］ 夏梦会，董香山，张力民，等． 神经网络模型在爆破振动强度预测 中的应用研究［Ｊ］． 有色金属（矿山部分），２００４，５６（３）２５－２７． ［９］ 王进学，郭 勇，曲文峰． 神经网络法预测爆破振动速度初探［Ｊ］． 有色矿冶，２００３，１９（１）１３－１６． ［１０］ 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，１９９８，１８（４）４７２－４７５． ［１１］ Ｓｉｎｇｈ Ｔ Ｎ，Ｖｉｒｅｎｄｒａ Ｓｉｎｇｈ． Ａｎ ｉｎｔｅｌｌｉｇｅｎｔ ａｐｐｒｏａｃｈ ｔｏ ｐｒｅｄｉｃｔｉｏｎ ａｎｄ ｃｏｎｔｒｏｌ ｇｒｏｕｎｄ ｖｉｂｒａｔｉｏｎ ｉｎ ｍｉｎｅｓ［Ｊ］． Ｇｅｏｔｅｃｈｎｉｃａｌ ａｎｄ Ｇｅｏｌｏｇｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，２００５，２３２４９－２６２． ［１２］ 史秀志． 爆破振动信号时频分析与爆破振动特征参量和危害预 测研究［Ｄ］． 长沙中南大学资源与安全工程学院，２００７． ［１３］ 董陇军，李夕兵，赵国彦． 露天采矿爆破振动对砌体结构破坏效 应预测的 Ｆｉｓｈｅｒ 判别模型及应用［Ｊ］． 岩石力学与工程学报， ２００９，２８（４）７５０－７５６． ［１４］ Ａｄａｍ Ｍ， ｖｏｎ Ｅｓｔｏｒｆ Ｏ．Ｒｅｄｕｃｔｉｏｎ ｏｆ ｔｒａｉｎ⁃ｉｎｄｕｃｅｄ ｂｕｉｌｄｉｎｇ ｖｉｂｒａｔｉｏｎｓ ｂｙ ｕｓｉｎｇ ｏｐｅｎ ａｎｄ ｆｉｌｌｅｄ ｔｒｅｎｃｈｅｓ［Ｊ］． Ｃｏｍｐｕｔｅｒ Ｓｔｒｕｃ， ２００５，８３１１－２４． ［１５］ Ｐｒａｋａｓｈ Ａ Ｊ， Ｐａｌｒｏｙ Ｐ， Ｍｉｓｒａ Ｄ Ｄ． Ａｎａｌｙｓｉｓ ｏｆ ｂｌａｓｔ ｖｉｂｒａｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｃｒｏｓｓ ａ ｔｒｅｎｃｈ ａｎｄ ｐｒｅ⁃ｓｐｌｉｔ ｐｌａｎｅ［Ｊ］． Ｆｒａｇｂｌａｓｔ， ２００４，８（１）５１－６０． ［１６］ Ｅｒａｒｓｌａｎ Ｋ， Ｕｙｓａｌ Ｏ， Ａｒｐａｚ Ｅ． Ｂａｒｒｉｅｒ ｈｏｌｅｓ ａｎｄ ｔｒｅｎｃｈ ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｒｅｄｕｃｅ ｂｌａｓｔ ｉｎｄｕｃｅｄ ｖｉｂｒａｔｉｏｎ ｉｎ Ｓｅｙｉｔｏｍｅｒ ｃｏａｌ ｍｉｎｅ ［ Ｊ］． Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｇｅｏｌｏｇｙ， ２００７，５４１３２５－１３３１． ［１８］ Ｕｙｓａｌ Ｏ， Ｅｒａｒｓｌａｎ Ｋ， Ｃｅｂｉ Ｍ Ａ， ｅｔ ａｌ． Ｅｆｆｅｃｔ ｏｆ ｂａｒｒｉｅｒ ｈｏｌｅｓ ｏｎ ｂｌａｓｔ ｉｎｄｕｃｅｄ ｖｉｂｒａｔｉｏｎ ［ Ｊ］． Ｉｎｔ Ｊ Ｒｏｃｋ Ｍｅｃｈａｎｉｃｓ ＆ Ｍｉｎｉｎｇ Ｓｃｉｅｎｃｅｓ，２００８，４５７１２－７１９． ［１９］ Ｒｏｙ Ｍ Ｐ， Ｓｉｎｇｈ Ｐ Ｋ， Ｓｉｎｇｈ Ｇ， ｅｔ ａｌ． Ｉｎｆｌｕｅｎｃｅ ｏｆ ｉｎｉｔｉａｔｉｏｎ ｍｏｄｅ ｏｆ ｅｘｐｌｏｓｉｖｅｓ［Ｊ］． Ｍｉｎｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ， ＩＭＭ Ｔｒａｎｓａｃｔｉｏｎｓ Ｓｅｃｔｉｏｎ Ａ， ２００７，１１６（１）１－６． ［２０］ Ｕｙｓａｌ Ｏ， Ａｒｐａｚ Ｅ， Ｂｅｒｂｅｒ Ｍ． Ｓｔｕｄｉｅｓ ｏｎ ｔｈｅ Ｅｆｆｅｃｔ ｏｆ Ｂｕｒｄｅｎ Ｗｉｄｔｈ ｏｎ Ｂｌａｓｔ⁃Ｉｎｄｕｃｅｄ Ｖｉｂｒａｔｉｏｎ ｉｎ ｏｐｅｎ⁃ｐｉｔ ｍｉｎｅｓ ［ Ｊ］． Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｇｅｏｌｏｇｙ， ２００７，５３６４３－６５０． ［２１］ Ｂｕｒｇｅ Ｃ Ｊ Ｃ． Ａ ｔｕｔｏｒｉａｌ ｏｎ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ ｆｏｒ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ［Ｊ］． Ｄａｔａ Ｍｉｎｉｎｇ ａｎｄ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ， １９９８（２） １２１－１６７． ４矿 冶 工 程第 ３４ 卷