基于神经网络和核岭回归的爆破振动监测数据处理方法技术

本发明专利技术公开一种基于神经网络和核岭回归的爆破振动监测数据处理方法，涉及工程爆破技术领域。本发明专利技术针对现场爆破振动在线监测存在的爆破源移动导致测试结果不准确问题，将核岭回归预测模型与BP神经网络结合在一起，提出一种基于BP神经网络和核岭回归BP‑KRR的爆破振动在线监测数据处理方法，用于修正矿山现场爆破振动在线监测数据。该方法通过开展实验室的冲击试验，产生大量的振动数据，作为训练模型的数据集，校正模型参数，并基于运用人工神经网络BP模型和核岭回归模型对爆破振动波形数据进行训练修正，得出关于传感器方位变化引起的失真数据的修正模型，该模型可以提高爆破测振仪在现场使用的灵活度，大大提高其实际应用能力。

【技术实现步骤摘要】

本专利技术属于工程爆破，涉及基于神经网络和核岭回归的爆破振动监测数据处理方法。

技术介绍

1、在金属矿山开采过程中，凿岩爆破是主要的破岩方式。因此，在矿山的日常生产过程中需要频繁爆破，然而频繁爆破产生的扰动会诱致露天边坡和地下矿柱以及顶板等产生累积的损伤，该损伤进一步发展会诱致边坡滑坡、冒顶和空区垮塌等灾害的发生，影响矿山的安全生产。为了评估这种影响，《爆破安全规程》gb6722-2014中对爆破测振方法和数据处理进行了规定。

2、常规的爆破测振仪具有两个核心部件，分别是爆破振动记录仪和振动速度传感器。振动速度传感器具有三个通道，分别是x、y、z。在日常使用中，将该设备的振动速度传感器的x方向对准爆破振源，作为监测振动的基准，并以x方向接收的波形进行数据分析。目前使用该设备在矿山上进行监测往往时设备随着爆破的炮孔进行移动，但这样的测振方式要求测试人员待在矿山现场进行测试，不具备长期监测的条件。为了长期监测频繁爆破振动对边坡、矿柱等的影响，需要安装长期在线监测设备。在线监测要求爆破测振仪安装在固定的位置，不能随爆源移动调整振动速度传感器的方向，导本文档来自技高网...

【技术保护点】

1.一种基于神经网络和核岭回归的爆破振动监测数据处理方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于神经网络和核岭回归的爆破振动监测数据处理方法，其特征在于，步骤1具体为：首先，确定若干个震源并针对每个震源设定不同的监测半径，然后分别以每个震源为中心向四周布置监测半径相同但角度不同的监测点，在监测点处利用振动速度传感器分别得到每个震源情况下不同角度的监测点测试的振动波形，并自动保存于爆破振动记录仪中，进而得到包括若干振动波形的数据集；所述监测半径为震源到监测点的距离。

3.根据权利要求1所述的基于神经网络和核岭回归的爆破振动监测数据处理方法，其特征在...

【技术特征摘要】

1.一种基于神经网络和核岭回归的爆破振动监测数据处理方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于神经网络和核岭回归的爆破振动监测数据处理方法，其特征在于，步骤1具体为：首先，确定若干个震源并针对每个震源设定不同的监测半径，然后分别以每个震源为中心向四周布置监测半径相同但角度不同的监测点，在监测点处利用振动速度传感器分别得到每个震源情况下不同角度的监测点测试的振动波形，并自动保存于爆破振动记录仪中，进而得到包括若干振动波形的数据集；所述监测半径为震源到监测点的距离。

3.根据权利要求1所述的基于神经网络和核岭回归的爆破振动监测数据处理方法，其特征在于，步骤1中所述数据集中的每个样本为一个振动波形及其对应的震源到监测点的距离、角度和震源的能量。

4.根据权利要求1所述的基于神经网络和核岭回归的爆破振动监测数据处理方法，其特征在于，步骤2中所述预处理具体为：通过傅里叶变换fft对振动波形进行频谱分析，提取每个监测点振动波形的主频和峰...

【专利技术属性】
技术研发人员：牛雷雷，尹秋芳，朱万成，陈张林，韩国平，
申请(专利权)人：东北大学，
类型：发明
国别省市：