本發(fā)明涉及隧道爆破振動(dòng)控制，具體涉及一種地鐵隧道爆破振動(dòng)預(yù)測(cè)方法。

背景技術(shù)：

1、地鐵隧道工程爆破的作用時(shí)間非常短暫，炸藥需要在極短的時(shí)間內(nèi)釋放出巨大的能量，因而其作用過(guò)程十分劇烈，且會(huì)對(duì)爆源附近的巖土體及其地表建(構(gòu))筑物帶來(lái)顯著的負(fù)面影響，然而，隨著城市地鐵隧道規(guī)模和數(shù)量發(fā)展迅猛，如何對(duì)隧道鉆爆法施工產(chǎn)生的爆破擾動(dòng)進(jìn)行精準(zhǔn)預(yù)測(cè)評(píng)估是刻不容緩的。

2、現(xiàn)有技術(shù)中爆破振動(dòng)預(yù)測(cè)模型已有不少研究，其中應(yīng)用最為廣泛的是多元線性回歸及神經(jīng)網(wǎng)絡(luò)算法，但是其各自存在一定的局限性，又比如支持向量回歸算法(svr)模型較為簡(jiǎn)單，其基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化，能夠保證全局性，有效實(shí)現(xiàn)小容量樣本、非線性問(wèn)題以及高維數(shù)據(jù)的精確擬合，且具有良好的泛化能力，但是svr預(yù)測(cè)模型中的懲罰系數(shù)c和核函數(shù)參數(shù)g對(duì)預(yù)測(cè)效果影響很大，需要通過(guò)人工手段對(duì)預(yù)測(cè)模型的參數(shù)逐個(gè)校驗(yàn)，該方法工作量大且繁瑣。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種地鐵隧道爆破振動(dòng)預(yù)測(cè)方法，解決地鐵隧道準(zhǔn)確高效地精準(zhǔn)控制爆破施工的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種地鐵隧道爆破振動(dòng)預(yù)測(cè)方法，所述方法包括如下步驟：

3、s1：獲取地表爆破振動(dòng)峰值速度實(shí)測(cè)數(shù)據(jù)；

4、s2：通過(guò)熵權(quán)法計(jì)算影響各影響因素與爆破振動(dòng)之間的關(guān)聯(lián)度，從各影響因素中提取出主要影響因素，構(gòu)建訓(xùn)練集和測(cè)試集；

5、s3：采用螢火蟲(chóng)算法算法對(duì)支持向量機(jī)法的懲罰系數(shù)和核函數(shù)寬度進(jìn)行尋優(yōu)，構(gòu)建spss-ffa-svr組合預(yù)測(cè)模型；

6、s4：利用訓(xùn)練好的預(yù)測(cè)集預(yù)測(cè)爆破振動(dòng)峰值，完成基于spss-ffa-svr組合預(yù)測(cè)模型爆破振動(dòng)峰值速度預(yù)測(cè)。

7、優(yōu)選的，所述步驟s2包括將爆破振動(dòng)影響因子作為輸入?yún)?shù)構(gòu)建數(shù)據(jù)集作為訓(xùn)練樣本和預(yù)測(cè)樣本，將訓(xùn)練樣本和預(yù)測(cè)樣本構(gòu)建的數(shù)據(jù)集原始數(shù)據(jù)無(wú)量綱化，同時(shí)將數(shù)據(jù)歸一化；采用以下公式：

8、

9、其中：xn為歸一化后的無(wú)量綱值；x為原始數(shù)據(jù)；xmin為原始數(shù)據(jù)的最小值，xmax為原始數(shù)據(jù)的最大值。

10、優(yōu)選的，所述步驟s2包括基于熵權(quán)法(spss)對(duì)所述爆破振動(dòng)影響因子進(jìn)行權(quán)重分析，獲得所述爆破振動(dòng)爆破影響因子的比重值，滿足以下公式：

11、

12、獲取地鐵爆破振動(dòng)影響因素的信息熵δi，所述的信息熵δi計(jì)算公式如下：

13、

14、計(jì)算出各個(gè)影響因素的權(quán)重值ωi，表達(dá)式權(quán)重值ωi如下所示：

15、定義關(guān)鍵影響因素的權(quán)重值大于80％，次要影響因素在50～80％，微弱影響因素小于50％，過(guò)濾掉微弱影響因素，僅考慮關(guān)鍵與次要影響因素。

16、優(yōu)選的，所述步驟s3包括對(duì)爆破振動(dòng)影響因素進(jìn)行主成分分析；

17、基于現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)得到n個(gè)(x1,x2,…,xn)有m維變量樣本，記為

18、

19、對(duì)所述的矩陣xm×n進(jìn)行去均值處理，計(jì)算公式如下：

20、

21、計(jì)算矩陣的協(xié)方差陣cm×m，計(jì)算公式如下：

22、

23、計(jì)算協(xié)方差矩陣cm×m的特征值(λ1,…,λm)和特征向量vm×m，計(jì)算公式如下：

24、將特征值和特征向量按照從大到小的順序排列。第i個(gè)主成分的方差貢獻(xiàn)率，滿足以下公式：根據(jù)方差貢獻(xiàn)率求取前q個(gè)主成分，當(dāng)前q個(gè)主成分累計(jì)貢獻(xiàn)率達(dá)到85％以上時(shí)，取前q個(gè)主成分作為新指標(biāo)進(jìn)行分析。

25、優(yōu)選的，所述s3中采用ffa算法對(duì)svr模型的懲罰系數(shù)c和核函數(shù)參數(shù)g進(jìn)行尋優(yōu)，具體步驟包括：將svr需要優(yōu)化的兩個(gè)參數(shù)映射轉(zhuǎn)化為螢火蟲(chóng)個(gè)體的位置參數(shù)，同時(shí)初始化各個(gè)螢火蟲(chóng)個(gè)體的各項(xiàng)參數(shù)和位置；根據(jù)目標(biāo)函數(shù)計(jì)算個(gè)體的適應(yīng)度值(螢火蟲(chóng)亮度)，所述適應(yīng)度值，滿足以下公式：

26、

27、其中，β(r)表示適應(yīng)度，β0初始吸引度，取值為1；r為兩只螢火蟲(chóng)之間的距離，單位：m，γ為介質(zhì)對(duì)光的吸收系數(shù)。

28、根據(jù)每只螢火蟲(chóng)個(gè)體的適應(yīng)度值大小更新螢火蟲(chóng)位置；所述的位置更新公式如下：

29、

30、其中，t為算法的迭代次數(shù)；εi是由高斯分布、均勻分布等得到的隨機(jī)數(shù)，α為隨機(jī)項(xiàng)系數(shù)。該公式由三部分組成，第一部分為螢火蟲(chóng)當(dāng)前時(shí)刻的位置信息，第二項(xiàng)為吸引力項(xiàng)，第三項(xiàng)是帶有特定系數(shù)的隨機(jī)項(xiàng)。

31、若算法到達(dá)最大迭代次數(shù)時(shí)則將搜索到的最優(yōu)的螢火蟲(chóng)的位置作為最優(yōu)解輸出。

32、優(yōu)選的，所述訓(xùn)練集采用svr預(yù)測(cè)模型進(jìn)行訓(xùn)練，具體步驟包括svr預(yù)測(cè)模型通過(guò)非線性映射函數(shù)將低維空間的非線性樣本數(shù)據(jù)映射到高維特征空間，在高維空間中對(duì)樣本進(jìn)行線性回歸處理。

33、所述的高維空間的回歸函數(shù)滿足以下公式：

34、

35、式中：f(x)為回歸函數(shù)，x為樣本集；w為回歸權(quán)重；為映射函數(shù)；b為閾值。

36、優(yōu)選的，所述步驟s3中采用螢火蟲(chóng)算法算法對(duì)支持向量機(jī)法的懲罰系數(shù)和核函數(shù)寬度進(jìn)行尋優(yōu)，根據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，采用回歸方程的解決模型的最優(yōu)問(wèn)題，回歸方程可由下式計(jì)算：

37、

38、其中ξi、為松弛變量；c為懲罰系數(shù)；約束條件為滿足下式：

39、

40、其中s，t；含義為“受限制于”；ε為不敏感損失函數(shù)。

41、優(yōu)選的，所述步驟s3中引入拉格朗日函數(shù)與核函數(shù)解決模型維數(shù)問(wèn)題，將回歸函數(shù)轉(zhuǎn)換為對(duì)偶形式，表達(dá)式如下：

42、

43、其中αi、為拉格朗日乘子；k(xi,xj)為核函數(shù)，

44、選用寬度為σ高斯徑向基的核函數(shù)，其滿足kkt(karush-kuhn-tucker，kkt)約束條件，上述核函數(shù)可表示為：

45、

46、其中σ為核函數(shù)寬度；g為核函數(shù)參數(shù)；

47、評(píng)估并選定整個(gè)螢火蟲(chóng)個(gè)體的最優(yōu)位置，找到最優(yōu)懲罰系數(shù)c和核函數(shù)參數(shù)g。

48、優(yōu)選的，所述步驟s4中采用spss-ffa-svr預(yù)測(cè)模型對(duì)預(yù)測(cè)集進(jìn)行預(yù)測(cè)，以均方誤差(mean?square?error，mse)為預(yù)測(cè)模型性能評(píng)價(jià)指標(biāo)，計(jì)算公式如下：

49、

50、其中：m為樣本總數(shù)，i為當(dāng)前樣本的序列數(shù)，yi為預(yù)測(cè)得到的數(shù)據(jù)，為原始數(shù)據(jù)。

51、由上述技術(shù)方案可知，本發(fā)明具有如下有益效果：

52、該地鐵隧道爆破振動(dòng)預(yù)測(cè)方法，通過(guò)采用熵權(quán)法計(jì)算影響各影響因素與爆破振動(dòng)之間的關(guān)聯(lián)度，使用主成分分析法從影響因素中提取出主成分，構(gòu)建訓(xùn)練集和測(cè)試集，采用螢火蟲(chóng)算法(ffa)算法對(duì)支持向量機(jī)法(svr)的懲罰系數(shù)和核函數(shù)寬度進(jìn)行尋優(yōu)，構(gòu)建ffa-svr組合預(yù)測(cè)模型，本發(fā)明通過(guò)預(yù)測(cè)爆破振動(dòng)峰值速度，提高了地鐵隧道在爆破荷載下動(dòng)力響應(yīng)特征研究的全面性和準(zhǔn)確性，解決快速、高效地選取svr的參數(shù)問(wèn)題，解決了地鐵隧道準(zhǔn)確高效地精準(zhǔn)控制爆破施工的問(wèn)題，為城市敏感環(huán)境下的地鐵隧道鉆爆法安全施工提供了可靠依據(jù)。