基于小波神經(jīng)網(wǎng)絡爆破振動速度預測與分析

1、基于小波神經(jīng)網(wǎng)絡爆破振動速度預測與分析摘 要為提高爆破振動速度的預測精度，進而為防治爆破作業(yè)中爆破振動危害提供有效而更加有效的依據(jù)，本文提出了 基于小波神經(jīng)網(wǎng)絡的預測方法，將各個爆破監(jiān)測數(shù)據(jù)進行正負相關(guān)的轉(zhuǎn)換，來統(tǒng)一爆破影響因素與爆破振動速度之間的關(guān)系， 并把處理后的數(shù)據(jù)輸入到小波神經(jīng)網(wǎng)絡中對爆破振動速度進行預測，相比傳統(tǒng)的BP神經(jīng)網(wǎng)絡預測模型，本文提出的預測模型 對爆破振動速度預測精度將近提高了 10%，進而為爆破方案的優(yōu)化提供強有力的理論根據(jù)。關(guān)鍵詞爆破振動速度；爆破振動危害；小波神經(jīng)網(wǎng)絡；BP神經(jīng)網(wǎng)絡上式中：上式中：a為尺度因子，b為伸縮因子，在本文中使用的1引言隨著各種各樣的新型炸藥和

2、爆破器械的出現(xiàn)，爆破技術(shù)在 經(jīng)濟發(fā)展和建設中發(fā)揮著越來越重要的作用，在爆破技術(shù)的 運用越來越廣泛，其所帶來的副作用也得到人民的廣泛關(guān)注， 爆破帶來的副作用主要有爆破振動、飛石以及灰塵等，其中 危害最大的就是爆破振動危害，指在爆破作業(yè)中，對周圍環(huán)境、 建筑物或構(gòu)筑物以及居民的生活所造成的不利影響，嚴重時 會造成周圍建筑物或構(gòu)筑物發(fā)生開裂或破壞1o衡量爆破振動 危害的物理量為爆破振動速度、爆破振動主頻和爆破持續(xù)時 間2，錢七虎、陳士海3通過比較爆破地震與天然地震的區(qū)別， 指出：建筑結(jié)構(gòu)和巖土工程的爆破振動安全判據(jù)是爆破振動 地面運動的最大速度，因而在爆破方案中對爆破振動速度進 行預測可事先清楚此次

3、爆破方案對周圍環(huán)境的影響程度的大 小并事先采取措施對爆破振動危害進行控制和防治。目前已 有許多研究人員分別從理論模型、測試儀器、波形信號分析、 計算機數(shù)值模擬、結(jié)構(gòu)的有限元分析方法以及目前運用最廣 泛的神經(jīng)網(wǎng)絡對爆破振動速度進行預測4。本文通過分析各個 影響爆破振動速度因素之間的關(guān)系并不是十分明確而是十分 復雜的，既不屬于線性關(guān)系也不屬于非線性關(guān)系，對數(shù)據(jù)進 行正負相關(guān)轉(zhuǎn)換以及無量綱化處理，將分析處理的數(shù)據(jù)輸入 到小波神經(jīng)網(wǎng)絡中，對爆破振動速度進行預測，得到的預測 精度與其他常用的預測模型：BP神經(jīng)網(wǎng)絡的預測模型預測精 度比較，本文提出的預測模型的預測精度比BP神經(jīng)網(wǎng)絡預測 精度有很大提高，因

4、而可以為爆破方案提供更加準確而有效 的優(yōu)化方案。2數(shù)據(jù)處理本文的數(shù)據(jù)來自于山東省青島市某地下車庫爆破開挖的 監(jiān)測數(shù)據(jù)，共選擇其中14組數(shù)據(jù)，通過分析在本文中選擇影 響爆破振動因素的有：總藥量、最大齊爆藥量、爆心距以及 高差，爆破振動速度的監(jiān)測包括三個方向(水平切向、水平 徑向與垂直方向)，因此要對三個方向的速度都要進行預測。 在進行預測之前，要首先對數(shù)據(jù)進行相關(guān)的處理，進而消除 一些不必要的預測誤差。在本文中特征因素為爆破振動速度，相關(guān)因素變量為： 總藥量、最大齊爆藥量、爆心距以及高差，各個因素的監(jiān)測 數(shù)據(jù)來源于山東省青島市某地下車庫爆破檢測數(shù)據(jù)，由于場 地與爆破器械的限制使得總藥量與最大齊爆

5、藥量在數(shù)量上一 致，因此只考慮兩者中的一項。2.1計算步驟2.1.1數(shù)據(jù)的無量綱化處理研究系統(tǒng)中各個影響因素之間的單位并不一致，即為數(shù)據(jù) 的量綱不同，所以進行數(shù)據(jù)的分析與比較時比較困難，使得 無法得到比較準確的結(jié)論，因此在進行灰色關(guān)聯(lián)度分析之前, 先對各組數(shù)據(jù)進行無量綱化的處理，將各個影響因素化為無 量綱的數(shù)據(jù)，無量綱化后的各組數(shù)據(jù)具有相同的定義，進而 各組數(shù)據(jù)之間才有了可比性。相對常用的無量綱化方法有均 值化法、初值化法以及區(qū)間化法，本文采用均值化法對監(jiān)測 數(shù)據(jù)(表1)進行無量綱化分析。表1監(jiān)測數(shù)據(jù)序號爆心距高差最大襪藥量(kg)總裝藥量(kg)水平徑向最大戴(CO/S)垂宜方向最大戴(函)

6、水平切向最趟度(cn/s)1132.30.630.631.17190.000064450.6038213.6562.30.550.550.37670.000028650.4585313.962.10.490.490.14530.1490.00004198412.3032.10.520.520.72620.000028650.3068510.672.30.630.631.31610.9310.000007021610.9872.30.550.551.43641.18480.000007021710.882.10.40.40.59330.43320.000007021810.3212.10.420

7、.420,65350.4290.000007021910.12.10.40.40.44150.36370.000007021109.972.10.520.520.96690.7310.000007021x.y.均值化公式：弓=w，力=y對表1中的數(shù)據(jù)進行均值化xy計算，計算結(jié)果如表2。表2均值化后序號總裝藥量最大齊爆藥量爆心距高差水平徑向最戲度垂直方向最大速度水平切向最大速度11.2331.2331.1231.0551.4880.00015274.409921.0781.0781.1721.0550.48130.00068043.3186730.9590.9591.2060.9630.1856

8、30.3530.000306641.0181.0180.9220.9630.927810.000067872.2407251.2331.2330.9221.0551.681382.20532.2370761.0781.0780.9491.0551.83512.80690.00004149570.7830.7830.940.9630.7581.02630.00004149580.8220.8220.8920.9630.834871.016350.0004149590.7830.7830.8720.9630.564030.861640.000041495101.0181.0180.8620.963

9、1.23531.73180.000414952.1.2正負相關(guān)的轉(zhuǎn)換在研究的過程中，影響因素Xj (幻與爆破振動參數(shù)匕儂)的 關(guān)系若為負相關(guān)則要通過轉(zhuǎn)化使其關(guān)系變?yōu)檎嚓P(guān)，這樣有 利于對于分析結(jié)果的分析，轉(zhuǎn)化過程是通過算子4的作用，將 Xj(k)與D。相乘，進而為X/)。，其與匕(幻的關(guān)系為正相關(guān)。XjD0 = xy (l)rf0,xy(2)da,.,Xj (k)do,.,Xj (n)rf0其中，弓=20/)-弓(砂* = 1,2,.”，玖為對稱化 算子，X/。為對稱化像。表3正負相關(guān)轉(zhuǎn)化后序號爆心距高差最大齊爆藥量總裝藥量水平徑向最大速度垂直方向最大速度水平切向最大速度11.2891.0S5

10、1.2331.2331.17190.000064450.603821.241.0551.3821.3820.37670.000028650.458531.2061.1471.S071.5070.14530.1490.0000419841.491.1471.4481.4480.72620.000028650.306851.491.0551.2331.2331.31610.9310.00000702161.4631.0551.3821.3821.43641.18480.00000702171.4721.1471.6831.6830.59330.43320.00000702181.521.1471.

11、6441.6440.65350.4290.00000702191.51.1471.6831.6830.44150.36370.000007021101.491.1471.4481.4480.96690.7310.0000070213小波神經(jīng)網(wǎng)絡預測模型小波神經(jīng)網(wǎng)絡是小波分析理論與神經(jīng)網(wǎng)絡相結(jié)合的產(chǎn)物, 小波分析具有時頻局部特性和聚焦的特點，可以對信號進行 多尺度的分析，有效的提取信號的局部信息；神經(jīng)網(wǎng)絡是一 種具有自學習性、自適應性、魯棒性以及容錯性；因而小波 神經(jīng)網(wǎng)絡同時具有小波分析與神經(jīng)網(wǎng)絡的優(yōu)點，網(wǎng)絡結(jié)構(gòu)是 依據(jù)小波分析理論來確定的，避免了 BP神經(jīng)網(wǎng)絡等結(jié)構(gòu)設計 上的盲目性，具有很強的

12、學習能力。3.1模型的建立本文利用的是緊致結(jié)合型小波神經(jīng)網(wǎng)絡，直接有小波基 函數(shù)作為神經(jīng)網(wǎng)絡隱含層的激勵函數(shù)，其中小波基函數(shù)表示1(x-a小波基函數(shù)為morlet小波函數(shù)。甲*。、。/?%#/，其中 c為常數(shù)。（上接第191頁）設小波神經(jīng)網(wǎng)絡的輸入層的神經(jīng)元不以 及隱含層神經(jīng)元兒的權(quán)重為M沁隱含層神經(jīng)元隊與輸出層神 經(jīng)元之間的權(quán)重為W隱含層的神經(jīng)元個數(shù)為”，且神經(jīng) 網(wǎng)絡輸出層的激勵函數(shù)為常用的Sigmoid函數(shù)（其中e是自然 常數(shù)八/二土則小波神經(jīng)晶模型可以表示為：?0=/| E W潮/（w*x,.），當輸出層與期望輸出值 1左=1|_ i=l ）62不等時，則存在誤差E，其數(shù)學定義為:E =

13、 ?（d-y。），cr=l 根據(jù)誤差E而進行反向傳播訓練。3.2模型的訓練與預測模型建立后將表3中經(jīng)過正負相關(guān)轉(zhuǎn)化后的數(shù)據(jù)作為輸入 函數(shù)輸入到小波神經(jīng)網(wǎng)絡中，以用來對小波神經(jīng)網(wǎng)絡預測模 型進行訓練，其中輸出函數(shù)為爆破振動速度，因此輸出層為 3。最后的四組數(shù)據(jù)作為預測樣本數(shù)據(jù)，同時也要進行均值化 處理以及正負轉(zhuǎn)化，然后根據(jù)真實值與預測值之間的誤差來 判斷預測精度，經(jīng)過多次試驗表明，當隱含層的個數(shù)為12時, 小波神經(jīng)網(wǎng)絡的預測效果最佳。與此同時建立普通的BP神經(jīng) 網(wǎng)絡對此次的監(jiān)測數(shù)據(jù)進行后四組的預測，預測結(jié)果與小波 神經(jīng)網(wǎng)絡的預測結(jié)果統(tǒng)計在同意表中以用來比較兩者對爆破 振動速度預測精度。預測結(jié)果如

14、下：表4預測結(jié)果巍旅瞄（時8）I I水椰瞅簸（磁翰制鼬幽皿鼬詞顫EHQ22130244510J02479120.05130.04J43.790.06532734政fl.456823.432.10,49150.43611U70,647731.790.419m6方0.199552,03m524懶111J90.7W0,718313105791834D.4醐0373921541),124714.49O28,62帳3615水平徑向最大速度（cm/s）實測值（cm/s）小波神經(jīng)網(wǎng)絡預測值（cm/s）預測誤差（渤BP神經(jīng)網(wǎng)絡預測值（cm/s）預測誤差（防）0.10210.10492.740.11411.67

15、1.15861.09295.671.05488.960.52190.455412.740.606816.270.66750.65561.790.899534.76平均誤差5.7417.96從上表中可以清楚的看出，小波神經(jīng)網(wǎng)絡對爆破振動速度的預測精度要比普通的BP神經(jīng)網(wǎng)絡對其的預測精度平均要 高18%,相比而言小波神經(jīng)網(wǎng)絡的預測誤差較小。而小波神經(jīng) 網(wǎng)絡對水平徑向最大速度的預測誤差僅僅為5.74%,進而預測 預測精度十分的高，對于預測垂直方向最大速度與水平切向 最大速度，預測誤差在10%左右，相對于對水平徑向最大速 度的預測誤差略大，但與BP神經(jīng)網(wǎng)絡相比預測誤差仍然很小， 可被爆破工程在預測爆破振動速度使用，進而來優(yōu)化爆破方 案，防治爆破振動危害。4結(jié)論通過數(shù)據(jù)的分析與處理，得到各個影響爆破振動速度的 因素與爆破振動速度之間的關(guān)系是十分復雜，并不是簡單的 線性獲非線性關(guān)系，而神經(jīng)網(wǎng)絡對各種關(guān)系復雜的因素可以 進行“暗箱”操作，盡可能的考慮各個因素之間的關(guān)系，因 此利用神經(jīng)網(wǎng)絡對爆破振動速度進行預測減少了因處理數(shù)據(jù) 關(guān)系不當而產(chǎn)生的預測誤差。本文在神經(jīng)網(wǎng)絡的基礎(chǔ)上，利 用小波神經(jīng)網(wǎng)絡對爆破振動速度進行預測，模型利