郭英杰　璩世杰　胡光球

(北京科技大學土木與環(huán)境工程學院)

?

基于BP神經(jīng)網(wǎng)絡(luò)的露天采場爆破振速預(yù)測

郭英杰璩世杰胡光球

(北京科技大學土木與環(huán)境工程學院)

摘要以首云露天鐵礦爆破震動實測數(shù)據(jù)為基礎(chǔ)，運用BP神經(jīng)網(wǎng)絡(luò)原理，建立了以總藥量、最大段藥量、爆心距和高程差為輸入層的神經(jīng)網(wǎng)絡(luò)模型，預(yù)測爆破震動峰值振速。將爆破震動監(jiān)測數(shù)據(jù)與BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果和薩氏公式預(yù)測結(jié)果比較，BP神經(jīng)網(wǎng)絡(luò)預(yù)測爆破震動峰值平均誤差為17.16%，遠低于薩氏公式預(yù)測的平均誤差44.12%，表明BP神經(jīng)網(wǎng)絡(luò)預(yù)測爆破震動強度精度更高，結(jié)果更可靠。

關(guān)鍵詞BP神經(jīng)網(wǎng)絡(luò)爆破振速預(yù)測

爆破是礦業(yè)開挖的主要手段，露天礦爆破規(guī)模一般都比較大，由此引起的振動容易影響臨近建筑物的安全。因此，對爆破振動進行準確分析和預(yù)測，為爆破設(shè)計和施工優(yōu)化提供依據(jù)，是礦山爆破生產(chǎn)環(huán)節(jié)中的重要工作，對于礦山及周邊的安全穩(wěn)定具有重要的意義。

我國廣泛運用薩道夫斯基公式對爆破震動進行幅值預(yù)報：

(1)

式中，V為質(zhì)點振動速度，cm/s；Q為裝藥量，kg；R為測點距爆心的距離，m；K為場地系數(shù)；α為衰減系數(shù)。

運用薩道夫斯基公式預(yù)報平整場地的爆破震動幅值，精度較高[1]，但對于高低起伏較大的露天采場，沒有充分考慮高程對爆破地震波的影響，預(yù)測精度不理想。為適應(yīng)變化的場地情況，對薩道夫斯基公式加以改進，周同嶺[2]等在薩道夫斯基公式的基礎(chǔ)上加入了高程因素H，對H做無量綱處理，得到改進的薩氏公式：

(2)

式中，H為高程差，正高差取正，負高差取負，m；β為高程差相關(guān)系數(shù)，其他符號意義同前。

修正公式在一定程度上減小了預(yù)報誤差，但爆破震動受到多因素的相互作用，各因素之間關(guān)系十分復(fù)雜，傳統(tǒng)的預(yù)測公式難以滿足不斷變化的實際情況。隨著計算機技術(shù)的發(fā)展，引進神經(jīng)網(wǎng)絡(luò)法[3]進行爆破震動幅值預(yù)報。

運用BP神經(jīng)網(wǎng)絡(luò)預(yù)測爆破振動強度，通過分析爆破震動影響因子與爆破震動測量數(shù)據(jù)的關(guān)系，用經(jīng)過訓練的神經(jīng)網(wǎng)絡(luò)對爆破震動強度進行實時預(yù)測，取得了良好的預(yù)測效果。董香山[4]等人建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測某露天礦的生產(chǎn)爆破振動速度，并與薩道夫斯基公式預(yù)測結(jié)果進行了對比，結(jié)果表明神經(jīng)網(wǎng)絡(luò)預(yù)測模型精度更高，誤差更?。惶胀?，林從謀[5]等建立兩個不同輸入?yún)?shù)的BP神經(jīng)網(wǎng)絡(luò)模型，預(yù)測南惠高速公路第NHA5合同段路基開挖現(xiàn)場爆破的震動峰值振速，將神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果與薩道夫斯基公式預(yù)測結(jié)果對比，發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測誤差均小于薩氏公式預(yù)測誤差；段寶福[6]等運用BP神經(jīng)網(wǎng)絡(luò)建立爆破震動衰減預(yù)測模型，成功預(yù)測某礦生產(chǎn)爆破震動速度、振動主頻和持續(xù)時間，預(yù)測誤差最大只有18.3%。

本文通過建立BP神經(jīng)網(wǎng)絡(luò)模型，以首云鐵礦實時監(jiān)測的爆破數(shù)據(jù)為樣本，對網(wǎng)絡(luò)進行訓練，預(yù)測后續(xù)爆破震動強度，以降低預(yù)測誤差，從而合理的進行爆破設(shè)計，避免爆破震動對周邊基地的影響。

1爆破振動監(jiān)測

1.1測震地點及儀器

國家安全工程技術(shù)實驗與研發(fā)基地建設(shè)項目位于北京市密云縣巨各莊鎮(zhèn)首云鐵礦廠區(qū)內(nèi)，由于基地緊鄰礦區(qū)生產(chǎn)區(qū)，距離周圍邊坡距離較近，采礦爆破作業(yè)產(chǎn)生的地震波經(jīng)高大邊坡的放大效應(yīng)后，可能引發(fā)邊坡巖體滑移、建筑物震動受拉以及實驗儀器工作狀態(tài)不穩(wěn)定等問題。降低最大單響藥量可以降低爆破振動強度，但是會影響礦山的生產(chǎn)進度，因此，預(yù)測爆破振動強度，合理優(yōu)化爆破設(shè)計，是兼顧生產(chǎn)效率和爆破震動安全問題的前提條件。

共對首云鐵礦的6次爆破作業(yè)進行了震動測試，其中露天臺階炮孔爆破3次，地下炮孔爆破3次。使用測試儀器為NUBOX-6016型智能震動監(jiān)測儀，該型儀器能對傳感器產(chǎn)生的動態(tài)、靜態(tài)信號(包括速度、加速度等)進行數(shù)字轉(zhuǎn)換，其觸發(fā)機制保證能對爆破震動信號進行正確記錄。

1.2測點布置

為確定首云鐵礦的爆破生產(chǎn)作業(yè)對日后基地建設(shè)項目的建設(shè)及運行安全可能產(chǎn)生的影響，將爆破震動測試地點(測點)布置于設(shè)計規(guī)劃中的室外泄漏擴散試驗配套測試工房一、危險化學品及有毒物質(zhì)泄漏擴散試驗場等區(qū)域。為保證爆破震動傳感器能夠準確接收到爆破震動信號，測點位置地表裸露介質(zhì)須為穩(wěn)定的巖石，并使用石膏作為傳感器與地表巖石之間的粘結(jié)劑。

2爆破峰值振速的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型

2.1BP神經(jīng)網(wǎng)絡(luò)基本原理

BP神經(jīng)網(wǎng)絡(luò)是一種常用的人工神經(jīng)網(wǎng)絡(luò)，即誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)，其本質(zhì)是實現(xiàn)映射的一個非線性函數(shù)。當輸入節(jié)點數(shù)為n，輸出節(jié)點數(shù)為m時，BP神經(jīng)網(wǎng)絡(luò)就表達了一個從n個自變量到m個因變量的函數(shù)映射關(guān)系。在爆破振動分析中，運用較廣泛的是三層前饋型BP神經(jīng)網(wǎng)絡(luò)，具有高度的容錯性和魯棒性及學習聯(lián)想能力，其典型的拓撲結(jié)構(gòu)如圖1所示。

圖1　典型BP神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)

三層前饋型BP神經(jīng)網(wǎng)絡(luò)包含輸入層、隱含層和輸出層，信號前向傳遞，誤差反向傳播，圖中xi表示信號的輸入層，信號從輸入層輸入，經(jīng)由隱含層處理后，從輸出層輸出。隱含層的神經(jīng)元受到上一層神經(jīng)元的影響，并且只影響下一層的神經(jīng)元，經(jīng)過隱含層處理后由輸出層輸出的值yi，如若其誤差值大于允許誤差，則誤差反向傳播。根據(jù)誤差的大小調(diào)整網(wǎng)絡(luò)權(quán)值wij和閥值，如此周而復(fù)始，使得網(wǎng)絡(luò)的預(yù)測輸出值逼近期望輸出值，將誤差降到允許誤差范圍。

2.2BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)具有很好的非線性動態(tài)處理能力，能夠?qū)颖具M行自主學習，通過學習樣本數(shù)據(jù)中的隱含規(guī)律，分析出輸入層數(shù)據(jù)與輸出目標之間的映射關(guān)系，不需要復(fù)雜的建模分析過程，就能夠建立分析模型。BP神經(jīng)網(wǎng)絡(luò)可以看作是一個通過反饋調(diào)節(jié)的多變量高度非線性映射，而爆破震動受到許多因素的影響，具有很大的隨機性，可以看作一個復(fù)雜的非線性問題來研究，運用BP神經(jīng)網(wǎng)絡(luò)研究爆破震動強度是合理的。

2.3BP網(wǎng)絡(luò)模型的參數(shù)選取

影響爆破震動的因素眾多，各因素之間關(guān)系也極為復(fù)雜，通常將這些因素歸為爆破震源因素(爆破藥量、孔網(wǎng)參數(shù)等)、場地因素(傳播介質(zhì)和地質(zhì)條件等)和(爆心距、高程等)等[7]幾類因素。在這些因素中，震源因素易于獲取但數(shù)量眾多，需區(qū)分主次加以取舍；爆心與測點的空間關(guān)系受地形影響較大，應(yīng)當充分考慮；場地因素由于復(fù)雜多變而難以定量的加以描述，難以獲取。故選擇輸入層參數(shù)時，需綜合考慮輸入?yún)?shù)的易取性和可行性、代表性，對相關(guān)因素加以取舍。綜合考慮，輸入層選擇總藥量、最大段藥量、爆心距、孔數(shù)4個特征量作為影響爆破振動強弱的主要因素。

BP神經(jīng)網(wǎng)絡(luò)可以看作是一個非線性映射，在三層BP神經(jīng)網(wǎng)絡(luò)中，隱含層的選擇目前尚未有可靠的判定辦法，通常根據(jù)Kolmogorov定理[8]來確定隱含層神經(jīng)元個數(shù)。給定任一連續(xù)函數(shù)f：Un→Rm，f(x)=y，U∈[0,1]，f可實現(xiàn)一個三層前向神經(jīng)網(wǎng)絡(luò)，若輸入層有n個輸入單元，輸出層有m個輸出單元，則隱含層的個數(shù)為2n+1。考慮到輸入單元為總藥量、最大段藥量、爆心距和孔數(shù)4個特征量，隱含層單元數(shù)為9，輸出神經(jīng)單元為測點的峰值振速。

在對BP神經(jīng)網(wǎng)絡(luò)進行訓練和測試之前，所有的輸入數(shù)據(jù)和目標數(shù)據(jù)都必須進行處理?？紤]到各個特征量數(shù)值大小不一，需對數(shù)值進行歸一化預(yù)處理，本文對樣本數(shù)據(jù)進行離差標準化處理，進行線性變換：

(3)

樣本數(shù)據(jù)經(jīng)過歸一化處理后，作為輸入層數(shù)據(jù)輸入到BP神經(jīng)網(wǎng)絡(luò)中。

3基于神經(jīng)網(wǎng)絡(luò)模型的爆破振動預(yù)測

3.1爆破工程背景

目前首云鐵礦露天開采為臺階炮孔爆破，炮孔直徑140 mm，孔深12～14 m，采用乳化炸藥，孔網(wǎng)參數(shù)為7 m×3 m；井下采用無底柱分段崩落法開采，分段高度15 m，采用Simba1354型鑿巖臺車鉆鑿76～80 mm的上向扇形炮孔，最小抵抗線1.6～1.8 m，孔底距2.0～2.6 m，邊孔角63°～65°，每排布置8～9個扇形深孔，壓氣裝藥器裝填黏性粒狀銨油炸藥，每排孔裝藥量890～960 kg，一次落礦爆破1～2排，正常排面采用毫秒微差分段，加強排面2排同時起爆，一次最大起爆藥量1 780～1 920 kg。

3.2預(yù)測模型訓練樣本

共進行了4次露天臺階炮孔爆破作業(yè)震動測試，爆破技術(shù)參數(shù)、距離及測試結(jié)果數(shù)據(jù)如表1所示。

3.3峰值振速的BP神經(jīng)網(wǎng)絡(luò)預(yù)測

將數(shù)據(jù)進行歸一化處理后輸入網(wǎng)絡(luò)。隱含層的傳遞函數(shù)[9]選擇雙曲正切S型非線性函數(shù)tansig，構(gòu)造非線性系統(tǒng)，輸出層使用logsig函數(shù)，使得輸出結(jié)果為0～1，將輸出結(jié)果反歸一化處理，即可得到預(yù)測合成的質(zhì)點振速峰值。模型選取10#、02#、05#、06#、02#(1)儀器測量數(shù)據(jù)作為檢驗集，其他14組數(shù)據(jù)作為訓練樣本，用訓練函數(shù)trainlm進行訓練，最大訓練步數(shù)5 000，訓練目標誤差為10-7，經(jīng)過725次訓練達到預(yù)期目標，訓練停止。用訓練好的BP神經(jīng)網(wǎng)絡(luò)對檢驗集的峰值振速進行預(yù)測，訓練函數(shù)的訓練收斂曲線見圖2。

表1　首云鐵礦爆破震動監(jiān)測數(shù)據(jù)

圖2　訓練函數(shù)的訓練收斂曲線

3.4結(jié)果分析

對表1中的數(shù)據(jù)按薩道夫斯基公式進行回歸,得質(zhì)點振速峰值V與單響最大藥量Q及爆心距R的關(guān)系為：

(4)

用式(4)預(yù)測檢驗集數(shù)據(jù)中的爆破振動峰值速度，并與BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果進行對比(見表2)。從表2中可以看出，BP神經(jīng)網(wǎng)絡(luò)預(yù)測爆破震動具有明顯的優(yōu)勢，預(yù)測平均誤差17.16%；薩道夫斯基公式預(yù)測平均誤差達到44.12%。BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測精度大大高于薩氏公式。

表2　預(yù)測結(jié)果對比

4結(jié)論

由于神經(jīng)網(wǎng)絡(luò)不需要建立輸入變量和輸出間的數(shù)學關(guān)系，只要調(diào)整網(wǎng)絡(luò)之間權(quán)值就可以建立輸入與輸出的非線性關(guān)系，從而使模型較準確地預(yù)報結(jié)果。本文運用神經(jīng)網(wǎng)絡(luò)模型預(yù)測爆破震動速度，并得到以下結(jié)論：

(1)BP神經(jīng)網(wǎng)絡(luò)綜合考慮了影響爆破震動強度的多個影響因素，具有強大的非線性動態(tài)處理能力，預(yù)測結(jié)果比傳統(tǒng)的經(jīng)驗公式更加準確。

(2)BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測露天采場爆破震動峰值振速平均誤差為17.16%，遠遠低于薩氏公式預(yù)測結(jié)果的平均誤差(44.12%)，故BP神經(jīng)網(wǎng)絡(luò)預(yù)測爆破震動與實際爆破震動速度更符合。

(3)本次神經(jīng)網(wǎng)絡(luò)模型預(yù)測充分考慮了爆源特性和爆破地形條件，但地質(zhì)條件，如褶皺、斷層等未能納入神經(jīng)網(wǎng)絡(luò)模型中，對模型的預(yù)測精度產(chǎn)生一定的影響，在今后的工作中應(yīng)當對此方面加以探索。

參考文獻

[1]劉殿中，楊仕春.工程爆破實用手冊[M]．北京:冶金工業(yè)出版社，2004．

[2]周同嶺，楊秀甫，翁家杰． 爆破地震高程效應(yīng)的實驗研究[J]．建井技術(shù)，1997(S1):32-36．

[3]申旭鵬，璩世杰，王福緣，等． 基于BP神經(jīng)網(wǎng)絡(luò)的爆破振速峰值預(yù)測[J]．爆破，2013(1):122-125,130．

[4]夏夢會，董香山，張力民，等． 神經(jīng)網(wǎng)絡(luò)模型在爆破震動強度預(yù)測中的應(yīng)用研究[J]．有色金屬:礦山部分，2004(3):25-27．

[5]陶挺，林從謀，程李凱． 爆破振動的BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法研究[J]．爆破，2011(4):105-107．

[6]段寶福，張猛，李俊猛． 逐孔起爆震動參數(shù)預(yù)報的BP神經(jīng)網(wǎng)絡(luò)模型[J]．爆炸與沖擊，2010(4):401-406．

[7]張藝峰，姚道平，謝志招． 基于BP神經(jīng)網(wǎng)絡(luò)的爆破振動峰值及主頻預(yù)測[J]．工程地球物理學報，2008(2):222-226．

[8]徐全軍，張慶明，惲壽榕． 爆破地震峰值的神經(jīng)網(wǎng)絡(luò)預(yù)報模型[J]．北京理工大學學報，1998(4):472-475．

[9]程相君，王春寧，陳生潭．神經(jīng)網(wǎng)絡(luò)原理及其應(yīng)用[M]．北京:國防工業(yè)出版社，1995．

(收稿日期2015-10-08)

Prediction of Blasting Vibration Based on BP Neural Network in Open-pit Mine

Guo YingjieQu ShijieHu Guangqiu

(Civil and Environmental Engineering School, University of Science and Technology Beijing)

AbstractAccording to the blasting vibration measured data of Shouyun open-pit mine,parameters of total charge, maximum explosive, distance of explosive source and evaluation difference are regarded as the input layer to establish neural network model based on the BP neural network principle to predict the peak velocity of blasting vibration. The measured data of blasting vibration, the prediction results of BP neural network model and Sadaovsk formula are conducted contrast analysis. The results show that the average error of the peak velocity of blasting vibration of BP neural network model is 17.6%, it is far below the average error (44.12%) of Sadaovsk formula. The research results further indicated that the prediction precise of BP neural network model is higher than the others, the prediction results of BP neural network model is more reliable.

KeywordsBP neural network, Blasting vibration, Prediction

郭英杰(1990—)，男，碩士研究生，100083 北京市海淀區(qū)學院路30號。