[發明專利]一種臨近構筑物的基坑靜態爆破的振速預測方法

有效

• 申請號: 201810162608.2
• 申請日: 2018-02-27
• 公開（公告）號: CN108399296B
• 公開（公告）日: 2020-04-21
• 發明（設計）人: 許夢飛;姜諳男;鄭世杰;楊銳;郭樹勛;薛永鋒;李興盛;侯拉平;李玉紅
• 申請（專利權）人: 大連海事大學
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06N3/00;G06N3/08
• 代理公司: 大連至誠專利代理事務所(特殊普通合伙) 21242
• 代理人: 楊威;涂文詩

1.一種臨近構筑物或管線的基坑靜態爆破的振速預測方法，其特征在于，包括以下步驟：

步驟S1：確定參數取值范圍，所述參數包括地質強度指標GSI、巖石軟硬程度m_i、巖石擾動程度D、裝藥量G和裝藥孔距離臨近構筑物或管線的距離d；

步驟S2：將所述步驟S1中各參數在其參數范圍內取值，并計算得到振速，產生訓練樣本集，訓練樣本集中每個訓練樣本的輸入參數為所述步驟S1中各參數，輸出參數為振速；

步驟S3：建立BP神經網絡模型，以所述步驟S1中各參數為BP神經網絡模型的輸入層，以所述步驟S2中計算得到的振速為BP神經網絡模型的輸出層，以個體預測誤差為適應值評價模型的預測能力，在群體多樣性測度大于群體多樣性測度給定值時，使用差異進化算法搜索BP神經網絡最佳連接權值，在群體多樣性測度小于群體多樣性測度給定值時，使用模式搜索方法搜索BP神經網絡最佳連接權值，在滿足結束條件后完成搜索，輸出BP神經網絡最佳連接權值；

在群體多樣性測度大于群體多樣性測度給定值時使用差異進化算法搜索BP神經網絡最佳連接權值，在群體多樣性測度小于群體多樣性測度給定值時使用模式搜索方法搜索BP神經網絡最佳連接權值的具體步驟為：

步驟S31：設定進化代數M、群體規模N、群體多樣性測度給定值d和預測誤差給定值，并隨機地產生一規模為N的初始種群作為本代種群，本代進化代數為0代；

步驟S32：使用本代種群的一個個體為模型，以訓練樣本集中的輸入參數為模型輸入參數，計算得到所述個體的振速預測值，并計算得到該個體對訓練樣本集的個體預測誤差，對本代種群所有個體重復計算得到本代種群所有個體對所有訓練樣本的個體預測誤差；

步驟S33：以個體預測誤差為適應值，評價所有個體的預測能力，以個體預測誤差最小的個體作為本代最佳個體；

步驟S34：計算本代種群的群體多樣性測度d(a)，并與群體多樣性測度給定值d進行比較，在群體多樣性測度d(a)大于群體多樣性測度給定值d時，使用差異進化算法搜索BP神經網絡最佳連接權值，進入步驟S35；在群體多樣性測度d(a)小于群體多樣性測度給定值d時，使用模式搜索方法搜索BP神經網絡最佳連接權值，進入步驟S38；

步驟S35：如果本代最佳個體的個體預測誤差小于預測誤差給定值，則滿足結束條件，輸出本代最佳個體作為BP神經網絡最佳連接權值；如果本代進化代數＞M，則滿足結束條件，輸出本代最佳個體作為BP神經網絡最佳連接權值；否則進入步驟S36；

步驟S36：在本代種群中隨機選取2個個體，進行淘汰、雜交、變異的遺傳操作，產生子代群體的個體；

步驟S37：重復步驟S36的操作過程，直至生成N個子代群體的個體，并將本代最佳個體隨機地替換子代群體中的一個個體，形成新的本代種群，本代進化代數加一，并轉到步驟S32；

步驟S38：隨機生成位序列，按隨機位序列對本代最佳個體的二進制編碼進行模式搜索，并轉到步驟S35；

步驟S4：使用步驟S3中所述的BP神經網絡最佳連接權值，并輸入步驟S1中所述各參數，得到預測振速。

2.根據權利要求1所述的方法，其特征在于，所述步驟S3中，所述群體多樣性測度的計算公式為

其中L為個體二進制編碼的長度，N為群體規模，a_lj為群體中第j個個體第l位置的二進制編碼。

3.根據權利要求1所述的方法，其特征在于，所述步驟S3中的個體預測誤差計算公式為

其中，n為樣本數量，a_i為BP神經網絡計算出的振速值，b_i為所輸入樣本的振速值。

4.根據權利要求1所述的方法，其特征在于，所述步驟S2中，訓練樣本集中訓練樣本的輸入參數按照正交設計原理布置。

5.根據權利要求1所述的方法，其特征在于，所述步驟S2中，使用LS-DYNA軟件建立基坑靜態爆破的有限元模型，根據訓練樣本輸入參數地質強度指標GSI、巖石軟硬程度m_i、巖石擾動程度D、裝藥量G和裝藥孔距離臨近構筑物或管線的距離d，計算振速作為樣本輸出參數。