基于LMBP算法的隧道爆破振动灾害预测的应用

doi:10.3973/j.issn.1672-741X.2016.05.005

中国科学引文数据库（CSCD）来源期刊
中文核心期刊中文科技核心期刊
Scopus RCCSE中国核心学术期刊
美国EBSCO数据库俄罗斯《文摘杂志》
《日本科学技术振兴机构数据库（中国）》

隧道建设（中英文） ›› 2016, Vol. 36 ›› Issue (5): 525-530.DOI: 10.3973/j.issn.1672-741X.2016.05.005

基于LMBP算法的隧道爆破振动灾害预测的应用

蒋莉¹，黄华东^1,2，王先义²，陈桦深³

（1. 重庆市市政设计研究院，重庆 400020； 2. 重庆交通大学土木工程学院，重庆 400074； 3. 福建博海工程技术有限公司，福建福州 350012）

收稿日期:2015-11-02 修回日期:2015-12-30 出版日期:2016-05-20 发布日期:2016-05-25
作者简介:蒋莉(1979—)，女，重庆合川人，2001年毕业于重庆大学，土木工程专业，本科，高级工程师，主要从事结构、边坡、挡墙和隧道等岩土工程相关的科研设计工作。Email： 568793962@qq.com。
基金资助:
重庆铁路枢纽复杂环境岩石路堑与浅埋隧道安全控爆技术（2013Y080）

Application of Tunnel Blasting Vibration Disaster Prediction Based on LMBP Neural Network

JIANG Li¹, HUANG Huadong^{1, 2}, WANG Xianyi², CHEN Huashen³

（1. Chongqing Municipal Administration Design and Research Institute, Chongqing 400020, China; 2. College of Civil Engineering, Chongqing Jiaotong University, Chongqing 400074, China; 3. Fujian Bo Hai Engineering Technology Co., Ltd., Fuzhou 350012, Fujian, China)

Received:2015-11-02 Revised:2015-12-30 Online:2016-05-20 Published:2016-05-25

摘要/Abstract

摘要：

为了对隧道爆破振动灾害的危险状态进行有效地预测，实验采用基于LevenbergMarquardt（LM）算法改进的BP算法，建立以实测隧道爆破掏槽眼装药量、爆心距和爆破振速为主要爆破影响因素的神经网络模型，对振速进行预测分析，预测结果与实测数据吻合良好；继而引用GB 6722—2014《爆破安全规程》所规定的临界安全振速反向预测掏槽装药量，通过反向预测计算得出满足安全振速要求的临界掏槽装药量。预测结果表明： LMBP算法相比传统的经验模型在振速预测上表现更好，通过反向的预测运算，能有效预知临界装药参数，对爆破振动安全预测及控制有积极的意义。

关键词: LevenbergMarquardt算法, BP神经网络, 隧道爆破振动, 灾害预测

Abstract:

The BP neural network model, with charging amount of blasting cut, blasting center distance and blasting velocity as main factors, is established based on LeyenbergMarquardt (LM) calculation method; and the blasting vibration velocity is predicted and analyzed. The charging amount of blasting cut is calculated by means of critical blasting vibration velocity in related criteria. The calculation results show that LMBP neural network method is superior to traditional method in terms of prediction of blasting vibration velocity; the blasting cut charging amount calculated by means of critical blasting vibration velocity inverse calculation method is rational and effective.

Key words: LevenbergMarquardt calculation, BP neural networks, tunnel blasting vibration, disaster prediction

中图分类号:

U 45

蒋莉，黄华东，王先义，陈桦深. 基于LMBP算法的隧道爆破振动灾害预测的应用[J]. 隧道建设, 2016, 36(5): 525-530.

JIANG Li, HUANG Huadong, WANG Xianyi, CHEN Huashen. Application of Tunnel Blasting Vibration Disaster Prediction Based on LMBP Neural Network[J]. Tunnel Construction, 2016, 36(5): 525-530.

[1]	赵俊杰，贾斌，张东，曹明星，李德武. 基于BP神经网络的阿拉套山隧道围岩物理力学参数反演分析[J]. 隧道建设, 2019, 39(S1): 220-226.
[2]	赵淑敏. 基于递进复合式组合预测模型的软岩隧道大变形预测研究[J]. 隧道建设, 2018, 38(7): 1131-1137.
[3]	亢磊磊. 基于C-OWA算子和BP神经网络的地铁车站火灾安全评价[J]. 隧道建设, 2018, 38(7): 1158-1163.
[4]	马琳. 基于混沌递进预测模型与趋势检验的深基坑变形规律研究[J]. 隧道建设, 2018, 38(6): 934-940.
[5]	王兴科，王娟. 基于优化支持向量机-混沌BP神经网络的基坑变形预测研究[J]. 隧道建设, 2017, 37(9): 1105-1113.
[6]	李阁强，牛彦杰，陈馈，徐莉萍，郭冰菁，李跃松. 基于BP-PID控制器的盾构液压推进控制系统研究[J]. 隧道建设, 2017, 37(7): 885-890.
[7]	杨卓，马超. 基于BP神经网络方法的岩溶隧道突涌水风险预测[J]. 隧道建设, 2016, 36(11): 1337-1342.
[8]	李倩囡, 唐爱玲, 吴剑, 黄涛, 潘海泽. 基于BP神经网络的隧道渗漏水等级评定模型研究[J]. 隧道建设, 2009, 29(6): 633-635,657.
[9]	贾备,邬亮. 基于灰色BP神经网络组合模型的基坑变形预测研究[J]. 隧道建设, 2009, 29(3): 280-283,289.
[10]	吴超凡. 特大断面小净距隧道爆破振动控制技术[J]. 隧道建设, 2009, 29(2): 232-234,238.
[11]	侯喜冬. 盾构施工引起地表沉降的BP神经网络预测[J]. 隧道建设, 2007, 27(3): 17-20.

基于LMBP算法的隧道爆破振动灾害预测的应用

Application of Tunnel Blasting Vibration Disaster Prediction Based on LMBP Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价