ga改进bp神经网络在抗滑桩孔爆破开挖中的应用 application of bp neural network improved by ga in blasting excavation design of slide-resistant pile hole.pdfVIP

下载本文档

0
0
约2.2万字
约 6页
2017-09-03 发布于上海
举报
版权申诉

ga改进bp神经网络在抗滑桩孔爆破开挖中的应用 application of bp neural network improved by ga in blasting excavation design of slide-resistant pile hole.pdf

1、本文档共6页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

ga改进bp神经网络在抗滑桩孔爆破开挖中的应用 application of bp neural network improved by ga in blasting excavation design of slide-resistant pile hole

工程爆破 ENGINEERINGBLASTING 文章编号：1006—7051(2016)02—0028—06 GA改进BP神经网络在抗滑桩孔爆破开挖中的应用岳衡，韩翔宇，张继春，潘强，李鹏川，阳陶 (西南交通大学土木工程学院，成都610036) 摘要：目前桩孔开挖主要依靠工程类比进行，不同设计者设计的爆破参数往往因掌握的爆破理论和经验的不同而有所差异，爆破质量参差不齐。为此，提出基于遗传算法GA改进BP神经网络(GA—BP)建立爆破参数优化设计模型，该法不仅可以利用已有爆破经验数据和工程地质条件，同时，使用遗传算法优化BP神经网络阚值和权值可以弥补BP神经网络不稳定的缺陷，以达到获得更优爆破参数的目的。实践表明，基于遗传算法改进BP神经网络相比一般BP神经网络预测相对误差较小，同时GA—BP神经网络得到的优化爆破参数进行现场试验，取得了良好的爆破效果。因此。GA—BP神经网络模型应用于抗滑桩孔开挖爆破参数设计是可行的，可用于指导爆破施工。关键词：爆破参数优化；BP神经网络；遗传算法；现场试验；桩孔开挖；爆破开挖中图分类号：TD235．1；U25文献标识码：A doi：10．3969／j．issn．1006—7051．2016．02．006 ofBPneuralnetwork GAin Application improvedby blasting excavationofslide-resistanthole design pile YUE Ji-chun，PAN Too Heng，HANXiang—yu，ZHANG Qiang，LIPeng—chuan，YANG ofCivil (School 610036，China) Engineering，SouthwestJiaotongUniversity，Chengdu holesareexcavated onthe the de— ABSTRACT：Currently，thepile mainlyrelying engineeringanalogy，butblastingparameters differenttheoriesand andtheeffectof are neuralnetwork signedby experience different．Therefore，BP blasting improvedby was andthemodelof of wasset dataobtainedfrom geneticalgorithmprovided optimizationblastingparametersup．The sample effectand of couldbe GAcouldmakethedefectBP goodblasting geologypractical used，and of neuralnetwork engineering up whichwasnotstable thethresholdand ofBPneuralnetwork，andthe of thebet— throughoptimizing weight purposeobtaining ter wa