《爆破振动 神经网络 遗传算法 智能预测》由会员分享，可在线阅读，更多相关《爆破振动 神经网络 遗传算法 智能预测（4页珍藏版）》请在金锄头文库上搜索。
1、 爆破振动论文：爆破振动智能预测技术研究【中文摘要】爆破技术广泛应用于水利水电、铁道交通、矿山开采等领域,爆破施工在达到工程同时,不可避免地存在一些负面效应,其中爆破振动是爆破施工的主要负面效应之一。因爆破振动过大引起的事故时有发生。如何在完成爆破施工的同时,预测和降低爆破的振动效应,从而采取适当的防治措施,是爆破工程界长期关注的重点问题。本文主要研究爆破振动的预测技术,通过分析和对比国内外关于爆破振动预测的研究现状,寻求最优预测方法。利用我国常用的萨道夫斯基公式及其修正公式建立数学模型,进行实例计算,将实测的爆破振动速度数据经过对数转换,使之成为线性公式,然后回归得出场地系数 K 和衰减系数
2、 值,再利用经验公式进行振速的预测。通过结果分析萨道夫斯基公式的优缺点,即这种预测方法操作简单、使用方便。缺点是低精度,并不能预测爆破振动的相应频率。利用地震等振线原理推导出爆破等振线,并根据爆炸动力学,得出爆破等振线的规律和特点。经过数学建模后,将之应用于某矿山实例,根据实测结果和预测效果,结合生成等振线图,由此可知,爆破振动等振线预测是可行的。分析近年来使用人工神经网络的方法在爆破振动预测方面的应用情况,特别是反向传播(BP)神经网络在.【英文摘要】Blasting technology is widely used in Water and Hydroelectric project,
3、railway transport, mining and other fields. However, some negative effects would occur inevitably during blasting including blasting vibration, one of the major negative effects. And accidents caused by excessive blasting vibration happens frequently. How to predict and reduce the blasting vibration
4、 effects during engineering and take appropriate control measures cause long-term focus of attention.The article mainly focuses on vibrat.【关键词】爆破振动 神经网络 遗传算法 智能预测【英文关键词】blast vibration neural network genetics algorithm prediction【索购全文】联系 Q1：138113721 Q2：139938848【目录】爆破振动智能预测技术研究 摘要 4-5 Abstract 5 第
5、1 章 绪论 8-16 1.1 选题背景及意义 8 1.2 与本论文相关的国内外研究现状 8-14 1.3 课题研究内容及成果 14-16 1.3.1 研究内容 14-15 1.3.2 研究方法 15 1.3.3 技术路线 15-16 第 2 章 传统爆破振动预测方法 16-27 2.1 传统爆破振动预测方法概述 16-25 2.1.1 一元线性回归简介及原理 17-20 2.1.2 二元线性回归简介及原理 20-25 2.2 传统爆破振动预测方法在工程中的应用 25-26 2.3 本章小结 26-27 第 3 章 等振线预测技术 27-40 3.1 等振线概述 27-32 3.1.1 理想状
6、态下的等振线 28-29 3.1.2 非理想状态下的等振线 29-32 3.2 爆破等振线预测技术 32 3.3 爆破振动等振线预测在工程上的应用 32-39 3.3.1 矿山概况 32-33 3.3.2 等振线预测在露天矿山上的应用 33-39 3.4 本章小结 39-40 第 4 章 遗传算法优化神经网络预测技术 40-52 4.1 人工神经网络简介及原理 40-43 4.1.1 BP 神经网络的步骤 40-42 4.1.2 神经网络的不足 42-43 4.2 遗传算法优化神经网络 43-46 4.2.1 遗传算法简介 43-44 4.2.2 遗传算法的基本原理 44 4.2.3 遗传算法
7、的基本概念和算子 44 4.2.4 遗传算法的基本步骤 44-46 4.3 基于遗传算法的神经网络在工程中的应用 46-51 4.3.1 遗传算法的应用设计 46-48 4.3.2 采用经遗传算法优化的人工神经网络系统对爆破振动的预测 48-51 4.4 本章小结 51-52 第 5 章 爆破振动预测系统的设计和实现 52-65 5.1 总体结构 52-58 5.1.1 系统的基本结构 52 5.1.2 系统的数据库设计 52-58 5.2 模块的实现 58-64 5.2.1 系统管理模块 58-60 5.2.2 数据库子系统 60-61 5.2.3 预测子系统 61-64 5.2.4 分析子系统 64 5.3 本章小结 64-65 第 6 章 结论与展望 65-67 6.1 论文工作总结 65 6.2 系统应用情况 65 6.3 展望 65-67 致谢 67-68 参考文献 68-72 附录 72
