【技术实现步骤摘要】
本专利技术涉及隧道爆破，具体涉及一种基于支持向量机的隧道爆破预测方法。
技术介绍
1、钻爆法是当前岩体开挖工程中应用最有效、最广泛的破岩手段，同时钻爆法也是地下工程建设常用的开挖方式。随着光面爆破技术及爆破振动控制技术的发展，越来越多的近接施工隧道也将钻爆法作为主要的施工方法。
2、然而在近接段施工过程中，爆破设计方案的优劣，将会直接影响爆破施工质量和成本控制效果，影响针对爆源所采取降震措施的实施效能。合理的爆破参数的选取，可主动控制爆破负面效应对既有结构的影响，减少超欠挖量和围岩的累计损伤，减少支护材料消耗和钻爆施工成本。因此，对爆破效果进行预测及评判具有重要的现实意义。
3、支持向量机(support-vector machine，svm)是一种有坚实理论基础的新颖的小样本学习方法。它避开了从归纳到演绎的传统过程，实现了高效的样本转导推理，大大简化了通常的分类和回归等问题，“剔除”大量冗余样本，具有较好的“鲁棒”性。
4、海洋捕食者算法(marine predators algorithm,mpa)算法是受海洋生物中捕食者和猎物的行为启发，捕食者和猎物均被视为搜索个体，捕食者会搜索猎物，同时猎物会寻找食物，捕食者与猎物游速不同时，采用的觅食策略是不同的,同时涡流形成或鱼类聚集效应(fads)会改变捕食者觅食行为，捕食者具有良好记忆提醒同类及记住成功觅食区域。
5、因此，在前人研究的基础上，如何有效的将支持向量机和海洋捕食者算法理论应用于隧道爆破设计合理性的分析与评价中，成为了本
技术实现思路
1、为了解决现有技术的问题，本专利技术提供了一种基于支持向量机的隧道爆破预测方法，包括以下步骤：
2、步骤1、根据决策树方法，确定爆破效果评价参数；
3、步骤2、对数据集进行归一化处理；
4、步骤3、基于归一化处理后的数据集，对mpa-svm模型进行初始化设置；
5、通过设置算法的最大迭代次数、种群的规模数量以及猎物初始位置，完成mpa-svm模型的初始化；
6、步骤4、计算种群中个体的适应度；
7、步骤5、基于mpa算法原理对最大迭代次数进行设置，并更新猎物位置；
8、步骤6、根据更新后的猎物位置更新捕食者位置，重新计算个体的适应度，并判断是否满足mpa的结束条件；
9、如果满足结束条件，则输出优化参数，如果不满足，则返回步骤4，继续执行迭代过程；
10、步骤7、根据优化优参数建立优化mpa-svm模型，并使用该模型结合具体工程的爆破效果评价参数进行预测，得出爆破效果预测结果。
11、进一步地，步骤1中，从爆破规范知识、爆破专业知识、历史爆破案例、解决方案以及爆破相关的数据资料中选取爆破效果评价参数。
12、进一步地，步骤2中的数据集为步骤1中确定的爆破效果评价参数，对数据集归一化处理时，采用z-score标准化处理，将步骤1中的爆破效果评价参数数据归一化为均值为0、方差为1的数据集，可确保数据在相同的尺度上避免因为数量级不同而对模型造成影响。
13、进一步地，步骤3中，设置算法的最大迭代次数为100、种群个数为30，通过使用随机方式或混沌映射来确定猎物初始位置。
14、进一步地，步骤4中，适应度根据问题的要求进行设计，同时构建精英矩阵和猎物矩阵用于个体之间信息的传递和记忆的存储。
15、进一步地，步骤5中，利用鱼群聚集效应更新猎物位置，使得猎物更好地逃避捕食者并找到更优解；其中，在海洋捕食者算法中fads为0.2，p为0.5。
16、进一步地，步骤5中，对最大迭代次数进行设置包括：
17、根据捕食者和猎物速度比对进行划分不同时期；
18、在迭代前期，捕食者速度比猎物速度快，海洋捕食者算法采取勘探策略，利用布朗运动模型更新捕食者位置和猎物位置；
19、在迭代中期，捕食者速度与猎物速度相同，海洋捕食者算法采取勘探和开发策略并重，采用levy飞行策略更新猎物位置，采用布朗运动策略更新捕食者位置；
20、在迭代后期，捕食者速度比猎物速度慢，海洋捕食者算法采用开发策略，采用levy飞行策略更新猎物位置，采用布朗运动策略更新捕食者位置；
21、此外，在每次迭代结束后，海洋捕食者算法通过利用鱼群聚集效应进行更长的跳跃，以避免陷入局部最优，鱼群聚集效应用于更新捕食者位置的计算过程中。
22、本专利技术的有益效果：
23、建立了爆破方案合理性评价指标体系，从振动控制、质量控制及经济性控制三个方面确定了评价指标，使方案评价结果更能体现爆破设计的综合效果。支持向量机方法可以有效地解决分类、回归异常值检测等问题，使方案的评价过程更为合理、可靠。以svm为基础的预测模型整体预测结果相对误差较小，mpa-svm收敛结果小，下降速度快，相比于其他模型，mpa-svm模型评价结果更为准确。通过fads方法避免陷入局部最优的情况，最终根据更新后的最优参数建立预测模型。
本文档来自技高网...【技术保护点】
1.一种基于支持向量机的隧道爆破预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于支持向量机的隧道爆破预测方法，其特征在于，步骤1中，从爆破规范知识、爆破专业知识、历史爆破案例、解决方案以及爆破相关的数据资料中选取爆破效果评价参数。
3.根据权利要求1所述的基于支持向量机的隧道爆破预测方法，其特征在于，步骤2中的数据集为步骤1中确定的爆破效果评价参数，对数据集归一化处理时，采用Z-score标准化处理，将步骤1中的爆破效果评价参数数据归一化为均值为0、方差为1的数据集。
4.根据权利要求1所述的基于支持向量机的隧道爆破预测方法，其特征在于，步骤3中，设置算法的最大迭代次数为100、种群个数为30，通过使用随机方式或混沌映射来确定猎物初始位置。
5.根据权利要求1所述的基于支持向量机的隧道爆破预测方法，其特征在于，步骤4中，适应度根据问题的要求进行设计，同时构建精英矩阵和猎物矩阵用于个体之间信息的传递和记忆的存储。
6.根据权利要求1所述的基于支持向量机的隧道爆破预测方法，其特征在于，步骤5中，利用鱼群聚集
7.根据权利要求1所述的基于支持向量机的隧道爆破预测方法，其特征在于，步骤5中，对最大迭代次数进行设置包括：
...【技术特征摘要】
1.一种基于支持向量机的隧道爆破预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于支持向量机的隧道爆破预测方法，其特征在于，步骤1中，从爆破规范知识、爆破专业知识、历史爆破案例、解决方案以及爆破相关的数据资料中选取爆破效果评价参数。
3.根据权利要求1所述的基于支持向量机的隧道爆破预测方法，其特征在于，步骤2中的数据集为步骤1中确定的爆破效果评价参数，对数据集归一化处理时，采用z-score标准化处理，将步骤1中的爆破效果评价参数数据归一化为均值为0、方差为1的数据集。
4.根据权利要求1所述的基于支持向量机的隧道爆破预测方法，其特征在于，步骤3中，设置算...
【专利技术属性】
技术研发人员：宋战平，王浩宇，陶华策，马瑞平，周平，李旭，陈涛，张杰峰，李会兴，张敬，
申请(专利权)人：中国路桥工程有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。