相关实验视频
Updated: Jan 9, 2026

09:41
Blast Quantification Using Hopkinson Pressure Bars
Published on: July 5, 2016
9.4K
基于SSA-BP模型的开采矿爆炸振动速度预测的研究
Yuxiang Zhou1, Jingrui Shi1, Xinyu Han1
1School of Mining, Liaoning University of Engineering and Technology, Fuxin 123000, Liaoning, China.
ACS omega
|December 8, 2025
概括
研究人员开发了一种智能模型来预测爆炸振动及其对建筑物的影响. 小搜索算法-BP神经网络 (SSA-BP) 模型显著提高了峰值振动速度和频率的预测准确性.
科学领域:
- 地质技术工程 地质技术工程
- 采矿工程 采矿工程 采矿工程
- 计算力学 计算力学 计算力学
背景情况:
- 爆炸操作会产生振动,可能会影响附近的结构.
- 准确预测这些振动对于安全和结构完整性至关重要.
- 传统模型往往缺乏复杂的爆炸场景所需的精度.
研究的目的:
- 建立一个分析爆炸振动传播和建筑物影响的研究系统.
- 开发和验证爆炸振动的智能预测模型.
- 为优化喷气参数提供数值评估方法.
主要方法:
- 在Halwusu露天煤矿建立了一个研究系统.
- 使用萨多夫斯基公式和Python开发了一个传统的预测模型.
- 应用了灰色关系分析来识别关键影响因素.
- 创建了一个SSA-BP (子搜索算法-回传神经网络) 智能预测模型.
- 使用LS-DYNA进行四孔差分喷射模型的数值模拟.
主要成果:
- 灰色关系分析确定了总爆炸物数量,孔深/间距和爆炸中心距离作为峰值振动速度的关键因素.
- 孔数和最大爆炸剂量控制的主要振动频率.
- 该SSA-BP模型在峰值振动速度 (R2=0.9836) 和频率 (R2=0.9398) 中实现了4.22%的平均误差和5.84%的平均误差.
- LS-DYNA模拟显示了水平辐射方向的良好准确性 (6.65%的误差).
- SSA-BP模型在800-1200米的距离上显示了预测优势 (误差<10%).
结论:
- 与传统方法相比,SSA-BP模型在预测爆炸振动方面提供了显著提高的准确性.
- 数字模拟为振动传播提供了宝贵的见解.
- 开发的模型和方法为优化爆炸参数和确保建筑安全提供了可靠的基础.
更多相关视频
06:00Author Spotlight: Deciphering the Long-Term Effects of Low-Level Blast Exposures in Mice
Published on: May 24, 2024
1.3K
06:20Author Spotlight: Development of an Automated Camera-Based System for Real-Time Blast Overpressure Monitoring and TBI Risk Assessment in Military Training
Published on: December 6, 2024
3.2K