爆破网络论文_马海越,张云鹏,刘宏颖

导读:本文包含了爆破网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:神经网络,参数,露天,露天矿,模糊,地下,效果。

爆破网络论文文献综述

马海越,张云鹏,刘宏颖[1](2019)在《基于BP神经网络的地下采场爆破振速预测》一文中研究指出为降低矿石开采中爆破振动的危害并达到最佳爆破效果,以河北唐山某矿山地下采场-156 m阶段爆破开采为例,采集了爆破振动监测数据,运用BP神经网络与萨道夫斯基经验公式分别对爆破峰值振速进行预测。结果表明:BP神经网络平均误差为17.22%;萨氏公式平均误差为40.76%。BP神经网络预测地下采场爆破振速是可行的。(本文来源于《爆破器材》期刊2019年06期)

冷智高,李祥龙,程明,宋春辉,陶子豪[2](2019)在《BP神经网络在爆破振动中的研究与应用》一文中研究指出为准确地预测爆破结果、减少爆破振动对建筑的损伤和保障工人的安全,利用具有处理非线性问题能力的BP神经网络预测爆破结果。选取合格的爆破结果作为网络模型的学习样本,经过一定次数的训练学习后通过神经网络的前馈特性确定各层阈值和误差,完成对BP神经网络的建立,发现预测结果与真实结果相比的误差在10%以内。再结合PAC算法、POS算法或者MATLAB软件等优化网络后甚至可以将误差控制在5%以内。通过建立BP神经网络预测可以减少爆破作业带来的危害,降低安全成本,指导爆破作业的施工。(本文来源于《有色金属(矿山部分)》期刊2019年06期)

崔年生,常跃,董英健,危剑林,夏鹤平[3](2019)在《基于进化径向基神经网络方法的爆破参数优化》一文中研究指出多宝山铜矿处于高寒地区,常年的冻融循环作用以及台阶爆破的扰动影响了矿岩台阶的物理力学性质,按照原有的爆破参数进行设计并施工,爆破效果往往不理想,主要是大块率偏高、底根较多。为此,采用进化径向基神经网络方法对孔网参数、炸药单耗、排间延期时间等爆破参数进行优化,根据神经网络的训练与预测结果,最终得出了一套适用于多铜矿岩台阶爆破的最优爆破参数,通过进行一系列的现场爆破试验,并与之前的爆破效果进行对比,大块率显着降低,炸药单耗有所下降,提高了铲装的工作效率,节省了爆破成本,取得了良好的爆破效果,并增加了采矿经济效益。此方法科学可行,适用于多宝山铜矿的台阶爆破参数优化。(本文来源于《现代矿业》期刊2019年10期)

魏军,迟振林,张兴帆[4](2019)在《爆破参数智能设计的T-S模糊神经网络方法》一文中研究指出针对地下矿山爆破参数设计的工作繁琐、任务量大等问题,建立基于T-S模糊神经网络的地下矿山爆破参数智能设计模型,实现爆破参数快速、智能设计。以某矿山地下矿中深孔爆破为研究对象,收集大量矿山现场实测数据,以抗压强度、抗拉强度、初始弹模、弹性模量、泊松比、黏聚力、内摩擦角、孔底距和排距为输入量,利用BP神经网络和T-S模糊神经网络,建立不同的地下矿山爆破参数预测模型,结果表明,T-S模糊神经网络具有更高的准确性以及更快的运行时间,能够更好地表达地下矿爆破参数与主控因素之间的非线性关系,网络预测值与目标值的均方误差达到1.375 9×10~(-5),模型预测效果最佳,为矿山地下矿爆破参数设计提供了参考依据。(本文来源于《现代矿业》期刊2019年09期)

隗永刚,杨千里,王婷婷,蒋长胜,边银菊[5](2019)在《基于深度学习残差网络模型的地震和爆破识别》一文中研究指出为加强对地震台网记录的天然地震与人工爆破事件进行准确的性质识别,本文基于深度学习技术中的残差网络模型,提出了一种新的爆破识别方法,并根据北京数字遥测地震台网及国家数字测震台网中心记录的波形数据及其发布的包含事件性质的地震报告,选取河北叁河采石场的93次爆破事件和54次周边地震事件的波形功率谱,分别采用不同的训练样本比例进行了100次和1 000次独立的随机抽样子试验以及"留一交叉验证法"试验,对人工爆破与天然地震进行了识别研究。试验结果表明,深度学习残差网络模型在天然地震与爆破事件的性质识别中具有很高的识别率且效果稳定,具有较好的应用前景。(本文来源于《地震学报》期刊2019年05期)

韩万东,单良,石耀国[6](2019)在《基于神经网络的爆破参数优化》一文中研究指出针对露天矿爆破效果不理想的问题,以马家塔露天矿为依托,利用BP神经网络进行爆破参数优化,采用该矿的实际爆破参数作为样本数据对模型进行了训练。结论:该模型具有很好的容错性,该模型可以根据训练所得结果确定各因素之间权的非线性关系,并以高精度拟合出误差极低的连续性函数关系。(本文来源于《煤炭技术》期刊2019年09期)

孔亚腾,王耀[7](2019)在《基于小波神经网络爆破振动速度预测与分析》一文中研究指出为提高爆破振动速度的预测精度,进而为防治爆破作业中爆破振动危害提供有效而更加有效的依据,本文提出了基于小波神经网络的预测方法,将各个爆破监测数据进行正负相关的转换,来统一爆破影响因素与爆破振动速度之间的关系,并把处理后的数据输入到小波神经网络中对爆破振动速度进行预测,相比传统的BP神经网络预测模型,本文提出的预测模型对爆破振动速度预测精度将近提高了10%,进而为爆破方案的优化提供强有力的理论根据。(本文来源于《居舍》期刊2019年26期)

陈庆凯,赵文龙,郭赵杰,韦学塔,田益林[8](2019)在《基于模糊神经网络爆破效果评价模型》一文中研究指出露天矿爆破效果的好坏直接影响矿山后续生产工序和效益。为此建立一种科学有效的爆破效果评价模型,对爆破效果进行分析,然后根据分析结果指导后期矿山生产。于是基于模糊神经网络理论,选取了大块率、根底、爆破振动、延米爆破量等8个评价指标,采用10分制将爆破效果等级划分为5级,建立了爆破效果综合评价模型。选取研山露天矿实际爆破数据,利用MATLAB软件,对叁种不同孔径爆破方案进行评价。评价结果表明:φ250 mm孔径爆破评价结果在Ⅱ级及以上的比例达到74.07%,效果最好;φ310 mm孔径爆破评价结果在Ⅱ级及以上的比例为50.85%,效果最差。结果表明模型分析结果与现场实际情况符合,评价结果可为矿山爆破方案制定与决策提供依据。(本文来源于《工程爆破》期刊2019年04期)

张祯希[9](2019)在《“圈地自萌”“定向爆破”后,网络剧能否拥抱更大格局》一文中研究指出“青年审美”是暑期档影视市场关键词。近期热播的网络剧《陈情令》,凭借人气网络文学的底本优势,精致的服饰、化装、道具,以及高颜值的偶像演员,牢牢抓住了青春的“胃口”。这部剧集的网络评分与业界口碑并不如同期的《长安十二时辰》,其掀起的网络话题热度却(本文来源于《文汇报》期刊2019-07-17)

齐留洋,王德胜,刘占全,崔凤,徐晓东[10](2019)在《矿山预裂爆破效果预测的BP神经网络法》一文中研究指出为简化矿山预裂爆破效果预测环节、提高预测精准度,针对传统预裂爆破效果评价注重预裂坡面成型的不足,考虑到露天矿山边坡时常受到爆破破岩振动等动态荷载影响的特点,结合BP神经网络,提出了既考虑坡面成型标准又顾及爆破振动对边坡影响的矿山预裂效果预测方法。将单孔装药量、平均孔深、孔距、振动速度峰值(水平、垂直)、振动主频(水平、垂直)、爆心距等参数作为神经网络输入参数,将预裂坡面的平均振动速度、半孔率、不平整度、裂隙系数等参数作为神经网络输出参数。基于24次临近边坡的爆破技术数据建立了矿山预裂爆破效果的BP神经网络预测模型。3次现场爆破预测试验表明:通过神经网络内部的自组织结构,将岩石性质、工程地质条件等与控制预裂爆破效果有关的因素进行简化,可将平均振动速度的预测相对误差控制在7%左右,将半孔率、不平整度、裂隙系数的预测相对误差控制在3%左右,对于提高爆破预裂效果的预测精度有一定的参考价值。(本文来源于《金属矿山》期刊2019年07期)

爆破网络论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

为准确地预测爆破结果、减少爆破振动对建筑的损伤和保障工人的安全,利用具有处理非线性问题能力的BP神经网络预测爆破结果。选取合格的爆破结果作为网络模型的学习样本,经过一定次数的训练学习后通过神经网络的前馈特性确定各层阈值和误差,完成对BP神经网络的建立,发现预测结果与真实结果相比的误差在10%以内。再结合PAC算法、POS算法或者MATLAB软件等优化网络后甚至可以将误差控制在5%以内。通过建立BP神经网络预测可以减少爆破作业带来的危害,降低安全成本,指导爆破作业的施工。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

爆破网络论文参考文献

[1].马海越,张云鹏,刘宏颖.基于BP神经网络的地下采场爆破振速预测[J].爆破器材.2019

[2].冷智高,李祥龙,程明,宋春辉,陶子豪.BP神经网络在爆破振动中的研究与应用[J].有色金属(矿山部分).2019

[3].崔年生,常跃,董英健,危剑林,夏鹤平.基于进化径向基神经网络方法的爆破参数优化[J].现代矿业.2019

[4].魏军,迟振林,张兴帆.爆破参数智能设计的T-S模糊神经网络方法[J].现代矿业.2019

[5].隗永刚,杨千里,王婷婷,蒋长胜,边银菊.基于深度学习残差网络模型的地震和爆破识别[J].地震学报.2019

[6].韩万东,单良,石耀国.基于神经网络的爆破参数优化[J].煤炭技术.2019

[7].孔亚腾,王耀.基于小波神经网络爆破振动速度预测与分析[J].居舍.2019

[8].陈庆凯,赵文龙,郭赵杰,韦学塔,田益林.基于模糊神经网络爆破效果评价模型[J].工程爆破.2019

[9].张祯希.“圈地自萌”“定向爆破”后,网络剧能否拥抱更大格局[N].文汇报.2019

[10].齐留洋,王德胜,刘占全,崔凤,徐晓东.矿山预裂爆破效果预测的BP神经网络法[J].金属矿山.2019

论文知识图

一24地下厂房顶拱开挖计算模型(单位:m)某工程爆破网络示意图上断面爆破网络Ⅲ级围岩爆破网络Ⅴ级围岩爆破网络局部爆破网络

标签:;  ;  ;  ;  ;  ;  ;  

爆破网络论文_马海越,张云鹏,刘宏颖
下载Doc文档

猜你喜欢