支持向量机预测高边坡爆破质点振动速度

英文篇名：Prediction of High Slope Blasting Vibration Based on Support Vector Machine
中文刊名：金属矿山
英文刊名：Metal Mine
作者：欧敏 ; 林从谋
英文作者：Ou Min Lin Congmou(Institute of Geotechnical Engineering ; Huaqiao University)
中文关键词：支持向量机 ; 预测 ; 质点振动峰速度
英文关键词：Blasting vibration ; Support vector machine ; Prediction ; Peak particle velocity
出版日期：2011-06-15
机构：华侨大学岩土工程研究所;
年：2011
期：06
出版单位：金属矿山

摘要

基于泉州某工程高岩石边坡爆破振动数据,选择单段最大药量、水平距离、高程差作为影响因子,采用支持向量机(SVM)与传统方法相结合的预测方法进行训练、交叉验证、最后预测。证明支持向量机理论能较好地预测爆破振动合速度。研究成果为改善岩石高边坡爆破振动预测精度提供了一种方法。
Based on the blasting vibration data of a high rock slope in Quanzhou,and selecting the maximum dose of single-stage,horizontal distance,height difference as impact factors,the process of training and cross-validation and final prediction is made by jointing with support vector machine(SVM) and traditional methods.It is confirmed that the support vector machine theory can predict the velocity of blasting vibration well.This research result provides a way to improve the prediction accuracy of blasting vibration.

引文

[1]Singh T N.Artificial neural network approach for prediction andcontrol of ground vibration in mines[J].Mining Technology,2004,113(9):251-256.
    [2]徐全军,毛致远,张庆明.深孔微差爆破震动预报浅析[J].爆炸与冲击,1998,18(2):182-186.
    [3]言志信,言浬,江平,等.爆破振动峰值速度预报方法探讨[J].振动与冲击.2010,29(5):179-182.
    [4]史秀志,薛剑光,陈寿如.爆破振动特征参量的粗糙集模糊神经网络预测[J].振动与冲击,2009,28(7):73-76.
    [5]张艺峰,姚道平,谢志招.基于BP神经网络的爆破振动峰值及主频预测[J].工程地球物理学报,2008,5(2):222-226.
    [6]文建华,李新平,张文成,等.复合遗传算法在爆破震动测试参数确定中的研究[J].岩土力学,2005,26(1):160-162.
    [7]史秀志,董凯程,邱贤阳,等.基于支持向量机回归爆破振动速度预测分析[J].工程爆破,2009,15(3):28-30.
    [8]冯叔瑜,王中黔.地铁爆破的震动问题[J].中国铁道科学,1999,20(2):30-33.
    [9]Cristianini N.支持向量机导论[M].李正国,等,译.北京:电子工业出版社,2004.
    [10]管志勇,宋涛,戚蓝,等.支持向量机在地基沉降预测中的应用[J].沈阳理工大学学报,2008,27(2):91-94.
    [11]陆凡东,方向,沈蔚,等.基于微粒优化支持向量机的爆破振动强度预报及应用研究[J].工程爆破,2009,15(3):22-24.
    [12]中华人民共和国国家质量监督检验检疫总局.GB 6722—2003爆破安全规程[S].北京:中国标准出版社,2003.
    [13]朱传统,刘宏根.地震波参数沿边坡坡面传播规律公式选择[J].爆破,1988,5(2):30-34.