基于粗糙集模糊神经网络的爆破振动危害预测

为了探索一种能克服单因素预测的局限性、提高爆破振动危害预测精度的方法,基于粗糙集模糊神经网络理论,建立了综合考虑爆破振动幅值、主频率、主频率持续时间及结构动力特性等10个因素的民房破坏程度预测模型;用铜绿山矿爆破振动和民房破坏情况观测数据,对该模型进行了训练和测试,测试结果与现场观测结果具有良好的一致性。研究表明:粗糙集理论可将现场数据进行属性约简,简化输入变量,缩小神经网络的搜索空间,改善爆破振动的预测性能;基于粗糙集模糊神经网络理论的爆破振动危害预测模型,能更好地考虑各种因素对危害程度的综合影响,避免了单因素预测的局限性。     

基于波形预测小波包分析模型的降振微差时间选择

从计算机模拟的角度,利用波形预测的小波包分析模型进行了段微差时间间隔的优化选择研究。算例表明:不同的微差段数,有合适的微差时间间隔范围,在该范围选择不同的微差时间间隔,具有不同的结果;随着微差段数的增加,段微差时间间隔的选择范围变窄,且选择范围出现更细的划分。这说明在实施微差爆破过程中,段微差时间间隔应当选择更高的精度,才能满足相应的干扰降振要求。