L-M优化算法在爆破振动参数预测中的应用

当前,以振动峰值作为单一爆破振动安全指标的回归经验公式,在国内外爆破工程界得到广泛应用.但由于爆破机理和爆破介质环境复杂,影响因素诸多,很难用一个经验公式把这些因素都考虑进去;再加上回归分析方法固有的局限性(要求数据有较好的分布规律和大样本量),经验公式方法进行振动预测的效果不甚理想(李保珍,1997;陈寿如,2001;张继春,2001).     

爆破震害预测的神经网络模型

人工神经网络是近期发展最快的人工智能领域研究成果之一.通过分析国内外爆破震害预测研究现状和不足,提出一种基于BP神经网络模型的爆破地震效应预测方法,该方法能克服基于最小二乘法的回归公式的局限性,可选取影响爆破振动的多个影响因素作为输入层参数,达到爆破峰值和主频同步预测之目的.利用该方法对实际爆破监测数据进行预测,结果表明人工神经网络方法在爆破地震效应预测中应用是可行的并且是有效的.这为爆破震害预测研究提供了新途径.     

基于遗传算法优化的高层建筑风振模糊控制

本文针对高层建筑风振控制问题,应用基于遗传算法优化模糊规则库的模糊控制方法,通过MR阻尼器实现减小高层建筑风振反应. 采用双输入、单输出的模糊控制策略, 即以风荷载和其变化率为输入量, 以MR阻尼器所提供的控制力为输出量.利用基于遗传算法的优化的模糊规则库,根据作用模糊子集的推理方法进行模糊推理运算, 并采用常用的重心法进行解模糊处理.以某12层框架结构为例, 进行数值模拟分析,并与优化前的模糊控制策略和LQR最优控制策略进行比较.数值分析结果表明,利用遗传算法使优化模糊规则库得以优化,改善了模糊控制的效果,有效地减小了结构的风振反应.     

青岛地铁工程爆破振动效应分析

本文根据大量现场观测资料研究了青岛地铁施工爆破引起的地面振动效应,分析了炸药类型,药量,爆心距,施工爆破方法以及地质条件等因素对爆破振动效应的影响,总结了青岛地铁施工爆破所引起的地面振动强度的一般规律,为施工中的爆破优化设计和爆破振动控制提供了依据。     

基于遗传算法的广义回归神经网络在地震预测中的应用

提出了利用基于遗传算法结合广义回归神经网络（GRNN）进行地震预测的新方法。利用遗传算法的全局搜索能力、不易陷入局部极小点等优点来优化GRNN的径向基函数中心、宽度以及输出层的权值,使得计算结果全局最优。在实际地震数据中选取了100组样本数据进行仿真实验,并利用MATLAB进行仿真。仿真结果表明,本文提出的方法具有较高的精度和一定的理论指导意义。     

基于时间序列相似性匹配算法的地震预测研究

把匹配抽象时间序列相似性的方法引入到地震预报的应用中,结合大量地震历史源数据,在地震领域的专家经验知识和相关成果基础上,提出了一种简化的抽象时间序列匹配模型。该模型在对海量数据进行预处理筛选的基础上再进行时间相似性匹配,增加了横向和纵向多方位地区和多方位时间段的匹配,不同时间差和阈值的匹配,并通过大量实验对该模型进行了反复验证,同时对我国地震频繁地区近几十年的地震历史数据进行了相似性匹配实验分析,取得了可信度较高的实验结果,实验结果验证了所给时间序列相似性匹配控制策略的有效性、实用性以及算法的优越性。     

Application of genetic BP network to discriminating earthquakes and explosions

Introduction Artificial Neural Network (ANN) is an important branch of artificial intelligence. It is proposed on the foundation of the study on modern neural science, is a man-made network that can implement some functions based on the mans comprehensive understanding for cerebral neural network (HAN, WANG, 1997). ANN is a mathematical model of simplified human brain neural network and is used to simulate the structures and functions of human brain neural network. ANN is a complex netw…     

Analysis of parameters of ground vibration produced from bench blasting at a limestone quarry

The aim of this study is to predict peak particle velocity level at a limestone quarry located in Istanbul, Turkey. The ground vibration components were measured for 73 blast events during the bench blast optimization studies during a long period. In blasting operations; ANFO (blasting agent), gelatine dynamite (priming) and NONEL detonators (firing) were used as explosives at this site. Parameters of scaled distance (charge quantity per delay and the distance between the source and the station) were recorded carefully and the ground vibration components were measured by means of vibration monitors for every event. Then, the data pairs of scaled distance and particle velocity were analyzed. The equation of scaled distance extensively used in the literature was taken into consideration for the prediction of peak particle velocity. At the end of statistical evaluations, an empirical relationship with good correlation was established between peak particle velocity and scale distance for this site. The established relationship and the results of the study are presented.     

随机振动功率谱复现迭代算法的研究

采用功率谱复现迭代算法,依据系统的频率特性,对驱动信号进行迭代补偿,使得系统的响应谱能够高精度地复现期望谱。基于对影响随机振动功率谱复现精度因素的分析,提出在不同频段采用不同迭代步长的驱动谱迭代算法,给出了算法的程序框图,并通过试验验证了算法的有效性。     

基于遗传神经网络的大地电磁反演

为进一步提高大地电磁非线性反演的稳定性、运算效率及准确度,将遗传神经网络算法引入大地电磁反演.首先针对大地电磁二维地电模型建立BP（Back Propagation）神经网络基本框架进行学习训练,网络输入为已知地电模型的视电阻率参数,输出为该地电模型参数;再利用遗传算法对神经网络学习训练过程进行优化,计算出多种地电模型网络连接权值和阈值的最优解;最后将最优连接权值和阈值对未知模型进行反演测试,网络输入为未知地电模型的视电阻率参数,输出为该地电模型参数.模型实验表明：遗传神经网络算法充分结合了遗传算法的全局寻优性和神经网络的局部寻优性,相比单一神经网络算法,在网络学习训练中提高了解的收敛成功率和计算速度,在反演测试中能更准确地逼近真实模型.将遗传神经网络算法与最小二乘正则化反演进行对比,理论模型和实测数据都验证了遗传神经网络算法在大地电磁反演中的可行性和有效性.

     

Neural Network Prediction of Monthly Precipitation: Application to Summer Flood Occurrence in Two Regions of Central Europe

Artificial Neural Network (ANN) models were used to forecast precipitation. Three-layer back propagation ANNs were trained with actual monthly precipitation data from six Czech and four Hungarian meteorological stations for the period 1961-1998. The predicted amounts are the next month's precipitation. Both training and testing ANN results provided a good fit with the actual data and displayed high feasibility in predicting extreme precipitation.     

基于减法聚类模糊神经网络的砂土液化势判别

砂土地震液化问题是岩土地震工程学的重要研究课题之一。在分析模糊神经网络原理的基础上,利用减法聚类算法对自适应模糊推理系统进行优化,并建立了砂土地震液化的模糊神经网络模型。然后,将该模型用于实际工程的砂土液化判别中,并与传统砂土液化判别方法结果进行对比。判别结果表明:文中建立的模糊神经网络模型具有较强的学习功能,用于砂土地震液化判别中是可行的和有效的。     

岩溶区砌体建筑环境振动特性分析

当前地震动速度时程时域特性分析方法,仅能分析岩溶区地震动速度时程的振动周期、强弱程度与时间变动的问题,但未能准确计算岩溶区砌体建筑物自振频率,导致砌体建筑环境振动特性分析结果存在误差。深入研究岩溶区砌体建筑环境振动特性分析方法,构建混凝土损伤塑性模型,分析岩溶区砌体建筑材料的屈服(受压)应力-非弹性应变关系、开裂(受拉)应力-非弹性应变关系和损伤因子;采用贝叶斯方法检测岩溶区砌体建筑受压受拉时的自振频率,通过L-M神经网络法消除自振频率后,使用振动特性分析方法准确分析岩溶区砌体建筑环境振动特性。实验结果表明,所提方法分析准确率高达0.99,分析16栋岩溶区砌体建筑环境振动特性耗时仅有5 ms,具有较高的分析精度和效率。     

影响核岛新浇混凝土强度的爆破振动速度阈值研究

针对短龄期混凝土强度容易受到附近爆破振动的影响，进行了一系列有针对性的模型实验，以确定在建核岛新浇灌混凝土强度所能承受的最高爆破振动速度值。实测结果表明C25、C40混凝土在浇筑12h、3d、7d凝期时受到1cm/s、5cm/s振幅的爆破振动后，与未受振动的混凝土相比、其强度、钢筋握裹力都不会受到明显影响。由于核电建设安全性的特殊性要求，本文提出对于核岛新浇筑的混凝土，其爆破振动阈值控制在1cm/s以内时，其强度不会受到影响。     

RPROP算法在火成岩岩石分类中的应用

为了更好地解决火成岩岩石分类问题,引入一种快速实用的BP算法—Resilient Backpropagation(RPROP)算法.在说明RPROP算法的基础上,结合火成岩岩石资料,建立基于RPROP算法的BP网络火成岩岩石分类模型,进行火成岩岩石分类的应用研究.结果表明,应用RPROP算法进行火成岩岩石分类,分类的准确率高,与基本BP算法及其一些改进算法相比,训练速度快,具有很好的应用前景.     

不同参数对TLD振动控制作用的影响

本文通过理论分析与计算,研究了对应于不同频率的TLD装置和荷载输入,TLD对建筑结构的控制作用,讨论了不同参数对TLD振动控制作用的影响,给出了对应于一定荷载频率范围TLD对结构振动控制作用较好的参数取值。     

神经网络模型在地震预报中的某些应用

本文介绍了人工神经网络模型以地震活动性指标为基础应用于地震预报的一些最新研究结果，选用多层前向神经网络模型及ＢＰ算法，其输入取不同的地震活动性指标的集合，输出为某一指定地区在未来时段内可能发生的最大地震的震级，以华北及首都圈地区为例，用多组不同类型的地震活动性指标进行学习与检验，结果表明，利用人工神经网络模型对未来时段震级预报的符合率较高，内检预报符合率可达１００％，外推预报符合率达到６０％以上。     

双差法在江苏及邻域地震事件重新定位中的应用

通过双差定位法,对江苏及邻域1990-2012年地震事件进行重新定位,其中包括部分人工爆破和塌陷事件。结果显示,重新定位后的爆破和塌陷事件震源深度均有明显改善;地震在空间分布上更加集中,部分地震有向构造带趋近的变化,较多地震呈丛集状出现,震源深度主要集中在5-25 km范围内。     

龙滩水电站左岸导流洞爆破振动测试与控制研究

通过对龙滩水电站左岸导流洞爆破开挖振动进行观测、分析和处理,得到了该导流洞爆破开挖振动传播衰减经验公式。根据该水电站导流洞的特点,提出了爆破振动破坏标准,由经验公式和破坏标准,得出了该导流洞新浇混凝土支护区爆破安全控制参量。分析了爆破地震的特点,结合该水电站导流洞的爆破实际,建议了该导流洞相应的爆破降震措施。从工程实施的实际效果看,本文的研究成果与结论获得了较好的应用效果,保证了该工程爆破施工的顺利完成。