一种爆破施工精准控制方法和系统

本发明涉及爆破控制，具体涉及一种爆破施工精准控制方法和系统。

背景技术：

1、随着我国经济高速的发展，爆破作业因其快速、效率高等特点，广泛应用在矿山开采、隧道开挖、建(构)筑物拆除、场地平整等各项工程实际中，但爆破施工中也会产生一系列例如爆炸冲击波、爆破飞石、爆破振动、粉尘和有害气体等负面影响，在爆破施工之前，应对爆破振动峰值速度进行精准的预测，保证合理的爆破方案设计以达到安全施工的目的。

2、对爆破振动的研究范围比较广泛，涉及到多学科、多领域的交叉互通，例如岩体力学、振动波的传播方式、爆破振动信号的频谱分析以及其他方面等诸多学科理论，各个国家的学者和研究人员采用爆破振动试验、理论推导分析及爆破振动信号分析等方法对爆破振动这一研究领域做了大量的工作，我国普遍使用萨道夫斯基经验公式对爆破振动进行预测，虽然普适性较高，但不同实际爆破工程预测的效果参差不齐；同时，通过预测爆破振动峰值速度，可以判断爆破作业是否会对周围环境或设施造成潜在威胁，从而确保爆破作业的安全进行，还能预测爆破作业可能产生的振动影响范围，从而采取相应的措施来减少或避免对周边环境和设施造成损害；其次，通过对振动峰值速度的监测和分析，可以了解爆破作业的效果，从而调整和优化爆破参数，提高爆破作业的效率和质量，最后，根据预测的振动峰值速度，可以制定相应的爆破优化方案，以减少振动对周围环境的影响，同时加强爆破振动防护措施，确保爆破作业的安全和顺利进行。因此，为了精准控制爆破施工效果，如何准确高效地预测爆破振动峰值速度，是一项亟需解决的问题。

技术实现思路

1、针对现有方法的不足以及实际应用的需求，为了提高精准控制爆破施工效果的能力，解决准确高效地预测爆破振动峰值速度的问题。一方面，本发明提供一种爆破施工精准控制方法，所述的爆破施工精准控制方法，包括以下步骤：获取爆破振动峰值速度实测数据；构建爆破振动峰值预测神经网络，结合所述爆破振动峰值速度实测数据和所述爆破振动峰值预测神经网络，获得所述爆破振动峰值预测神经网络的初始权重和初始阈值，并利用所述初始权重和所述初始阈值，更新所述爆破振动峰值预测神经网络；通过所述爆破振动峰值速度实测数据，获得爆破振动峰值预测神经网络训练集和爆破振动峰值预测神经网络验证集，利用所述爆破振动峰值预测神经网络训练集和所述爆破振动峰值预测神经网络验证集，训练并验证更新后的爆破振动峰值预测神经网络；利用训练好的爆破振动峰值预测神经网络，完成爆破振动峰值速度预测。本发明通过预测爆破振动峰值速度，体现了爆破振动传播规律，解决了准确高效地精准控制爆破施工的问题，为安全爆破提供了可靠依据。

2、可选地，所述的爆破施工精准控制方法还包括以下步骤：对所述爆破振动峰值速度实测数据进行预处理；所述对所述爆破振动峰值速度实测数据进行预处理，满足以下公式：其中，f(x)表示改进的小波阈值函数，x表示原始小波系数，丨·丨表示绝对值函数，j表示小波分解层数，αj表示第j小波分解层数的自适应阈值，σj表示第j层噪声的标准差，nj表示第j层小波系数的个数。本发明通过对爆破振动峰值速度实测数据进行预处理，提高了后续利用实测数据获得的处理结果的准确度。

3、可选地，所述结合所述爆破振动峰值速度实测数据和所述爆破振动峰值预测神经网络，获得所述爆破振动峰值预测神经网络的初始权重和初始阈值，包括以下步骤：以所述爆破振动峰值预测神经网络的权重和阈值为个体，组成初始化群体；评价所述个体，获得所述个体的适应度；根据所述适应度，对所述个体执行第一调整和第二调整，获得新群体；评价所述新群体的个体，直至满足迭代停止条件，获得所述爆破振动峰值预测神经网络的初始权重和初始阈值。通过本发明的步骤获得的爆破振动峰值预测神经网络的初始权重和初始阈值，加快了爆破振动峰值预测神经网络的训练速度，提高了爆破振动峰值预测神经网络的训练效果，解决了神经网络容易形成局部最优的问题。

4、可选地，对所述个体执行第一调整，满足以下公式：其中，表示第t+1次迭代时对所述个体执行第一调整后的个体位置，xt表示第t次迭代时个体的位置，t表示最大迭代次数，λ表示(0,1]的随机数，ωt表示第t次迭代时个体的权重系数，c1表示第一学习因子，λ1、λ2表示[0,1]的随机数，c2表示第二学习因子，pt表示第t次迭代时个体的历史最优位置，gt表示第t次迭代时群体的历史最优位置。本发明设计的第一调整，根据迭代次数调整了上一次迭代影响，迭代前期扩大了搜索范围，迭代后期优化了搜索速度，有效解决了神经网络容易形成局部最优的问题。

5、可选地，所述权重系数满足以下公式：其中，ωt表示第t次迭代时个体的权重系数，ωmin表示最小权重阈值，ωmax表示最大权重阈值，ft表示第t次迭代时个体适应度，表示第t次迭代时个体适应度最小值，表示第t次迭代时个体的适应度平均值，n表示个体数量，表示第t次迭代时第i个个体的适应度。本发明通过设定分段式的权重系数，避免了神经网络过早收敛导致最后出现训练出的模型不准确和预测能力较差的现象，保证了在初期拥有更大的群体搜索空间，有利于全局搜索，在后期完成精细的局部搜索任务，进一步提高了本发明的计算效率和准确度。

6、可选地，所述第一学习因子，满足以下公式：其中，c1表示第一学习因子，表示第一学习因子初始值，表示第一学习因子结束值，t表示当前迭代次数，t表示最大迭代次数；所述第二学习因子，满足以下公式：其中，c2表示第二学习因子，表示第二学习因子初始值，表示第二学习因子结束值。本发明设置第一学习因子来影响局部搜索能力，设置第二学习因子来影响全局搜索能力，进一步满足了前期全局搜索能力大和后期搜索能力小的要求。

7、可选地，对所述个体执行第二调整，满足以下公式：其中，表示第t+1次迭代时对所述个体执行第二调整后的个体位置，xt表示第t次迭代时个体的位置，β表示个体的移动步长，gt表示第t次迭代时群体的历史最优位置，ft表示第t次迭代时个体适应度，表示第t次迭代时个体适应度最小值，||·||表示欧氏距离。本发明通过第二调整，进一步调整了搜索优化范围，提高了本发明的准确度。

8、可选地，所述评价所述个体，获得所述个体的适应度，满足以下公式：其中，f表示个体适应度，n表示样本数，xi表示第i个样本的实测值，xavg表示样本平均值，表示第i个样本的预测值。通过本发明获得的适应度，能够有效准确评价所有个体，计算方式简单，进一步保证了最终寻优结果的准确度和效率。

9、可选地，所述构建爆破振动峰值预测神经网络，包括以下步骤：通过试凑法确定所述爆破振动峰值预测神经网络的拓扑结构；设置所述爆破振动峰值预测神经网络的输入层激活函数、隐含层激活函数、输出层激活函数以及训练函数、学习率。本发明构建的爆破振动峰值预测神经网络，结构简单易于设置，实用方便运行快捷，进一步提高了本发明的预测效率。

10、第二方面，为能够高效地执行本发明所提供的一种爆破施工精准控制方法，本发明还提供了一种爆破施工精准控制系统，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包含程序指令，所述处理器被配置用于调用所述程序指令，执行如本发明第一方面所述的一种爆破施工精准控制方法。本发明的一种爆破施工精准控制系统，结构紧凑、性能稳定，能够稳定地执行本发明提供的一种爆破施工精准控制方法，进一步提升本发明整体适用性和实际应用能力。