文献类型：期刊文章

作　　者：范勇[1] 裴勇[1] 杨广栋[1] 冷振东[1,2] 卢文波[3]

FAN Yong;PEI Yong;YANG Guangdong;LENG Zhendong;LU Wenbo(Hubei Key Laboratory of Construction and Management in Hydropower Engineering,China Three Gorges University,Yichang 443002,China;Chongqing Engineering Technology Research Center of Industrial Explosive Materials,China Gezhouba Group Explosive Co.,Ltd.,Chongqing 401121,China;Key Laboratory of Rock Mechanics in Hydraulic Structural Engineering,Ministry of Education,Wuhan University,Wuhan 430072,China)

机构地区：[1]三峡大学湖北省水电工程施工与管理重点实验室,湖北宜昌443002 [2]中国葛洲坝集团易普力股份有限公司重庆市民用爆器材工程技术研究重心,重庆401121 [3]武汉大学水工岩石力学教育部重点实验室,武汉430072

出　　处：《振动与冲击》

基　　金：国家自然科学基金(51979152,51609127);湖北省高等学校优秀中青年科技创新团队计划(T2020005);水工岩石力学教育部重点实验室开放基金(RHMSE1603);湖北省青年拔尖人才培养计划。

年　　份：2022

卷　　号：41

期　　号：16

起止页码：194-203

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高爆破振动速度峰值预测的准确度,将BP(back propagation)神经网络解决复杂非线性函数逼近能力和粒子群优化(particle swarm optimization,PSO)算法全局寻优能力相结合,建立了改进的PSO-BP神经网络预测模型,利用改进的PSO算法来优化BP神经网络的初始权值和阈值。以白鹤滩水电站左岸坝肩槽爆破开挖监测数据为依据,选取爆心距、最大单响药量、高程差和纵波波速作为输入参数,通过余弦振幅法分析输入参数与爆破振动速度峰值的关系强度得出代表场地条件的纵波波速也是对爆破振动速度传播的重要影响因素。对比BP神经网络和萨道夫斯基公式的检验结果,结果表明:改进的PSO-BP神经网络预测模型的预测值与实测值吻合更好,预测的结果更为可靠,具有较好泛化能力。研究方法为类似工程中爆破振动速度峰值的预测提供了借鉴。

关 键 词：爆破振动 爆破振动速度峰值  BP神经网络 粒子群优化(PSO)算法 纵波波速

分 类 号：TD235.1]