基于BP神經網絡的砂泥巖互層地質爆破參數優化研究

惠可震 諶文玉 石運慶

(中鐵十六局集團鐵運工程有限公司 河北高碑店 030032)

1 引言

砂巖、泥巖互層地質在黃土地區路基工程中比較常見。砂巖、泥巖互層巖體存在多個結構面，且砂巖與泥巖兩種巖石的物理力學性質及風化程度存在差異，具有軟硬相間的特性。因此，砂巖泥巖互層地質路塹在爆破開挖時，結構面上應力波的多次透反射導致應力波在不同巖體中的傳播不穩定[1]，造成爆破能量分布不均，難以達到理想的爆破效果，使得爆破參數設計變得很復雜。因此，砂泥巖互層地質路塹爆破參數的優化設計是改善爆破效果、提高施工效率的關鍵。馮輝[2]等利用有限元軟件ANSYS/LS-DYNA模擬分析了互層巖體爆破過程壓力波傳播衰減的規律；孫智勇[3]運用ANSYS有限元軟件對穿越軟硬互層區域的地鐵隧道爆破開挖不同工況下周圍地層的位移、主應力以及振速的影響進行研究，提出合理的施工方案；吳文明[4]研究了砂巖、泥巖互層地質路基爆破施工工藝；陳正林、郝全明[5-6]等對近水平砂泥互層圍巖隧道進行爆破優化數值模擬，得到了層狀圍巖隧道爆破優化方案。影響爆破效果的因素有很多，尤其對于砂巖泥巖互層地質，難以用數值模擬或試驗的方法分析諸多參數對爆破效果的影響，BP神經網絡對于解決這種復雜的非線性問題具有獨特優勢[7]。本文提出一種基于BP神經網絡、利用已有的工程樣本和試爆數據的砂泥巖互層地質爆破參數優化方法，并應用于靖神鐵路橫山車站段路塹施工，取得較好的效果。

新建靖神鐵路橫山車站及其前后段(DK164＋800～DK169＋716)路基主要以深挖路塹為主，最大路塹深度51 m，最大邊坡高度58 m。本工程所經區域為黃土梁峁溝壑區，表層為第四系上更新統風積沖積層(Qeol3)新黃土，下伏侏羅系中統直羅組(J2)半干旱條件下形成的河流相沉積地層，砂巖夾泥巖，薄層～中厚層狀，泥、鈣質膠結，巖層產狀近水平，屬軟巖～較軟巖。路塹開挖中，泥巖與砂巖互層地層主要采用中深孔松動爆破法開挖。

2 基于BP神經網絡的砂泥巖互層地質爆破參數優化方法

以影響爆破效果的主要因素作為網絡輸入參數、以爆破效果作為輸出參數、采用搜集的數據樣本作為神經網絡的訓練和檢測樣本，建立BP神經網絡。以理論計算的爆破方案各參數為基礎，利用正交試驗法篩選出16種試驗方案，基于訓練好的神經網絡得到爆破效果，再從中選擇爆破效果較好的5組方案進行試爆，根據試爆效果確定最佳爆破方案。基于BP神經網絡的砂泥巖互層地質爆破參數優化流程見圖1。

3 基于BP神經網絡的預測模型建立

3.1 模型參數確定

(1)輸入參數的確定

根據相關研究成果以及對本工程路塹實際爆破效果的眾多影響因素進行對比[8-10]，提出影響爆破效果的8個主要因素為單耗、孔距、排距、底盤抵抗線、炮眼堵塞、抗拉強度、抗壓強度、彈性模量。這8個因素確定為BP神經網絡輸入參數。

(2)輸出參數的確定

以爆破效果作為輸出參數。對于路塹工程，評價爆破效果的主要參數是大塊率以及邊幫平整度。

(3)隱含層的確定

本網絡設計的輸入因子有8個、輸出因子有2個，隱含層單元個數由公式(1)確定。

式中，n為隱含層單元數；m為輸入單元數；t為輸出單元數；a為1～10之間的任意常數。

通過計算，得到隱含層單元數為4～13個。依據經驗總結和多次測試最終選用隱含層神經元個數為10。

3.2 樣本確定與BP神經網絡訓練

(1)訓練樣本與檢測樣本

通過類似工程調研、文獻查閱及作者積累的數據，共獲取100個數據樣本[11-12]。任選其中90個樣本作為神經網絡的訓練樣本，其余10個樣本作為檢測樣本，分別見表1～表2。

(2)BP神經網絡訓練

訓練樣本數據進行歸一化處理后，導入BP模型進行仿真訓練，期望誤差設為0.001。將網絡輸出與期望輸出向量進行回歸分析，訓練后的輸出向量對期望值的跟蹤性較好，說明神經網絡響應較好。

表1 訓練樣本

表2 檢測樣本

將檢測樣本的實測數據與預測數據進行對比，見表3。由表3可知，網絡預測數據與實測數據誤差不超過5%，說明該神經網絡很好地預測了檢測樣本數據的爆破效果，故以此神經網絡作為預測模型。

表3 爆破效果預測對比

4 爆破設計參數理論計算

(1)底盤抵抗線W1:按臺階高度和孔徑計算，由公式(2)確定。

式中，H為臺階高度。

本工程H為8 m，則W1＝(0.6～0.8)H＝4.8～6.4 m，取為5 m。

(2)孔距a:a＝mW1，對于垂直孔取m＝0.6～0.8，則a＝(0.7～1.0)×5＝3.5～5.0 m。

(3)排距b:一般情況下b＝(0.6～0.8)W1＝3～4 m。

(4)填塞長度l2:對于垂直深孔，取l2＝(0.7～0.8)W1，即l2＝(0.7～0.8)×5＝3.5～4.0 m。

(5)單位炸藥消耗量q:一般根據爆破塊度尺寸要求、巖石的堅固性、炸藥種類、自由面條件和施工技術等因素綜合確定，根據經驗對于本工程取q＝0.40 kg/m3。

5 基于正交試驗法的典型爆破方案選取

章節4中的爆破參數基于理論或經驗而確定，并不一定是最佳爆破參數的組合方案。但理論上，最優的各爆破參數應該在上述計算結果的鄰近范圍。因此，可以對各主要參數取理論計算結果鄰近范圍內的若干個值，通過分析其爆破效果來選擇一組最優方案。但由于爆破參數較多，每個參數在合理取值范圍內取不同值，會組合出大量的爆破方案，如果對每一種方案都進行驗證會產生巨大工作量，這屬于多因素多水平問題的試驗設計問題。采用正交試驗法選取典型爆破方案，能夠大幅度減少試驗次數而且不會降低試驗的可信度。試驗因素及水平見表4。

表4 試驗因素及水平

通過制作正交試驗所需的正交表格選取了16組試驗方案，見表5。

表5 5因素4水平正交統計

將由正交表選出的爆破試驗方案輸入到訓練好的BP神經網絡中，得出爆破效果，見表6。

表6 試驗方案及結果

由表6可見，7號、11～14號爆破方案的效果較好，故選擇這5組爆破參數作為試爆方案。

6 試爆及最優爆破方案的確定

采用上節所得到的5組爆破方案進行試爆，爆破效果見表7。

表7 試爆效果

可見，方案7的爆破效果相對較好，因此作為最終采用的方案。

7 結論

基于正交試驗法選出的爆破方案應用于橫山車站路塹工程施工，取得了良好的效果。可見，本文提出的基于BP神經網絡的砂泥巖互層地質爆破參數優化方法是可行的。以類似工程調研、文獻查閱及積累的相關數據作為神經網絡的訓練和檢測樣本建立的BP神經網絡性能良好。以理論計算的爆破方案各參數為基礎利用正交試驗法形成典型試驗方案，并用BP神經網絡預測爆破效果，可以優選出效果良好的爆破方案。