典型文献
基于改进PSO-BP神经网络的爆破振动速度峰值预测
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
范勇;裴勇;杨广栋;冷振东;卢文波
作者机构：
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;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;武汉大学 水工岩石力学教育部重点实验室,武汉 430072
文献出处：
引用格式：
[1]范勇;裴勇;杨广栋;冷振东;卢文波-.基于改进PSO-BP神经网络的爆破振动速度峰值预测)[J].振动与冲击,2022(16):194-203,302
A类：
B类：
PSO,爆破振动速度峰值,峰值预测,back,propagation,非线性函数,函数逼近,逼近能力,粒子群优化,particle,swarm,optimization,全局寻优,寻优能力,神经网络预测模型,权值,白鹤滩水电站,左岸,坝肩槽,爆破开挖,开挖监测,爆心,单响药量,高程差,纵波波速,输入参数,余弦,关系强度,场地条件,道夫,夫斯基,实测值,泛化能力
AB值：
0.255453
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
