基于人工智能方法的地下洞室群爆破振动速度预测

• 作者: 刘洋 吴立 周玉纯 张汉斌 汪煜烽 袁青 马晨阳
• 来源期刊: 爆破
• 学科: 工学
• 关键词: 地下洞室群 爆破振动速度预测 最小二乘支持向量机 模糊神经网络
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 理论与技术探索
• 页码范围: 12-16
• 页数: 5页
• 分类号: TD235.3
• 字数: 3174字
• 语种: 中文
• DOI: 10.3963/j.issn.1001-487X.2017.04.003

摘要

特大断面地下洞库爆破开挖工程中涉及到众多的影响因素,为了较准确地预测出爆破振动速度,引入支持向量机理论,建立最小二成支持向量机爆破振动速度预测模型(LS-SVM模型),该模型利用结构风险最小化来提高求解问题的速度和精度.采用该模型对某地下水封LPG洞库工程进行爆破振动速度预测,并与传统的萨道夫斯基回归公式模型(萨氏模型)和模糊神经网络模型(FNN模型)进行对比分析.分析结果表明:LS-SVM模型、FNN模型与萨氏模型的全局均方根相对误差 RMSRE分别为4.68%、14.42%与19.33%;LS-SVM模型有14组数据满足预测模型泛化能力误差阀值(6%)的要求,而FNN模型与萨氏模型均不满足要求.因此LS-SVM模型在爆破振动速度预测中的预测性能和泛化能力均优于FNN模型及萨氏模型,可为多因素影响下类似工程爆破振动速度预测提供借鉴经验.