基于改进PSO-BP神经网络的爆破振动速度峰值预测

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。