文献类型：期刊文章

作　　者：苟倩倩[1] 赵明生[1,2] 池恩安[1,3] 何兴贵[1,2] 黄胜松[1]

GOU Qianqian;ZHAO Mingsheng;CHI En'an;He Xinggui;HUANG Shengsong(Mining College,Guizhou University,Guizhou,Guiyang 550025,China;Guizhou Xinlian Blasting Engineering Group Co.,Ltd,Guiyang,Guizhou 550002,China;Baoli Jiu Lian Holdings Refco Group Ltd, Guizhou,Guiyang 550025,China)

机构地区：[1]贵州大学矿业学院,贵州贵阳550025 [2]贵州新联爆破工程集团有限公司,贵州贵阳550002 [3]保利久联控股集团有限责任公司,贵州贵阳550025

出　　处：《矿业研究与开发》

基　　金：贵州省高层次创新型人才培养项目(百层次)(黔科合人才(2016)4030号);2017年创新型领军企业再支持项目(黔科合成果[2017]4774)

年　　份：2018

卷　　号：38

期　　号：12

起止页码：97-102

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA-PROQEUST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了更准确的预测爆破振动评价要素,优化BP网络结构,增强网络的泛化性能,采用主成分分析方法对爆破现场采集的影响爆破振动的11个因素数据进行分析,提取五组可以代表全部影响因素的因子作为BP神经网络的输入层,以爆破振动评价三要素作为输出层,建立基于PCABP的预测模型。结果表明:PCA-BP模型预测峰值振速、持续时间、频率的平均误差分别为14.57%,8.08%,12.33%,与传统的萨氏公式以及标准的BP神经网络相比,预测精度及效率明显提高。

关 键 词：爆破振动 正交性 主成分分析 BP神经网络

分 类 号：TP183]