基于BP神经网络的砂泥岩互层地质爆破参数优化研究

惠可震 谌文玉 石运庆

(中铁十六局集团铁运工程有限公司 河北高碑店 030032)

1 引言

砂岩、泥岩互层地质在黄土地区路基工程中比较常见。砂岩、泥岩互层岩体存在多个结构面，且砂岩与泥岩两种岩石的物理力学性质及风化程度存在差异，具有软硬相间的特性。因此，砂岩泥岩互层地质路堑在爆破开挖时，结构面上应力波的多次透反射导致应力波在不同岩体中的传播不稳定[1]，造成爆破能量分布不均，难以达到理想的爆破效果，使得爆破参数设计变得很复杂。因此，砂泥岩互层地质路堑爆破参数的优化设计是改善爆破效果、提高施工效率的关键。冯辉[2]等利用有限元软件ANSYS/LS-DYNA模拟分析了互层岩体爆破过程压力波传播衰减的规律；孙智勇[3]运用ANSYS有限元软件对穿越软硬互层区域的地铁隧道爆破开挖不同工况下周围地层的位移、主应力以及振速的影响进行研究，提出合理的施工方案；吴文明[4]研究了砂岩、泥岩互层地质路基爆破施工工艺；陈正林、郝全明[5-6]等对近水平砂泥互层围岩隧道进行爆破优化数值模拟，得到了层状围岩隧道爆破优化方案。影响爆破效果的因素有很多，尤其对于砂岩泥岩互层地质，难以用数值模拟或试验的方法分析诸多参数对爆破效果的影响，BP神经网络对于解决这种复杂的非线性问题具有独特优势[7]。本文提出一种基于BP神经网络、利用已有的工程样本和试爆数据的砂泥岩互层地质爆破参数优化方法，并应用于靖神铁路横山车站段路堑施工，取得较好的效果。

新建靖神铁路横山车站及其前后段(DK164＋800～DK169＋716)路基主要以深挖路堑为主，最大路堑深度51 m，最大边坡高度58 m。本工程所经区域为黄土梁峁沟壑区，表层为第四系上更新统风积冲积层(Qeol3)新黄土，下伏侏罗系中统直罗组(J2)半干旱条件下形成的河流相沉积地层，砂岩夹泥岩，薄层～中厚层状，泥、钙质胶结，岩层产状近水平，属软岩～较软岩。路堑开挖中，泥岩与砂岩互层地层主要采用中深孔松动爆破法开挖。

2 基于BP神经网络的砂泥岩互层地质爆破参数优化方法

以影响爆破效果的主要因素作为网络输入参数、以爆破效果作为输出参数、采用搜集的数据样本作为神经网络的训练和检测样本，建立BP神经网络。以理论计算的爆破方案各参数为基础，利用正交试验法筛选出16种试验方案，基于训练好的神经网络得到爆破效果，再从中选择爆破效果较好的5组方案进行试爆，根据试爆效果确定最佳爆破方案。基于BP神经网络的砂泥岩互层地质爆破参数优化流程见图1。

3 基于BP神经网络的预测模型建立

3.1 模型参数确定

(1)输入参数的确定

根据相关研究成果以及对本工程路堑实际爆破效果的众多影响因素进行对比[8-10]，提出影响爆破效果的8个主要因素为单耗、孔距、排距、底盘抵抗线、炮眼堵塞、抗拉强度、抗压强度、弹性模量。这8个因素确定为BP神经网络输入参数。

(2)输出参数的确定

以爆破效果作为输出参数。对于路堑工程，评价爆破效果的主要参数是大块率以及边帮平整度。

(3)隐含层的确定

本网络设计的输入因子有8个、输出因子有2个，隐含层单元个数由公式(1)确定。

式中，n为隐含层单元数；m为输入单元数；t为输出单元数；a为1～10之间的任意常数。

通过计算，得到隐含层单元数为4～13个。依据经验总结和多次测试最终选用隐含层神经元个数为10。

3.2 样本确定与BP神经网络训练

(1)训练样本与检测样本

通过类似工程调研、文献查阅及作者积累的数据，共获取100个数据样本[11-12]。任选其中90个样本作为神经网络的训练样本，其余10个样本作为检测样本，分别见表1～表2。

(2)BP神经网络训练

训练样本数据进行归一化处理后，导入BP模型进行仿真训练，期望误差设为0.001。将网络输出与期望输出向量进行回归分析，训练后的输出向量对期望值的跟踪性较好，说明神经网络响应较好。

表1 训练样本

表2 检测样本

将检测样本的实测数据与预测数据进行对比，见表3。由表3可知，网络预测数据与实测数据误差不超过5%，说明该神经网络很好地预测了检测样本数据的爆破效果，故以此神经网络作为预测模型。

表3 爆破效果预测对比

4 爆破设计参数理论计算

(1)底盘抵抗线W1:按台阶高度和孔径计算，由公式(2)确定。

式中，H为台阶高度。

本工程H为8 m，则W1＝(0.6～0.8)H＝4.8～6.4 m，取为5 m。

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

(3)排距b:一般情况下b＝(0.6～0.8)W1＝3～4 m。

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

(5)单位炸药消耗量q:一般根据爆破块度尺寸要求、岩石的坚固性、炸药种类、自由面条件和施工技术等因素综合确定，根据经验对于本工程取q＝0.40 kg/m3。

5 基于正交试验法的典型爆破方案选取

章节4中的爆破参数基于理论或经验而确定，并不一定是最佳爆破参数的组合方案。但理论上，最优的各爆破参数应该在上述计算结果的邻近范围。因此，可以对各主要参数取理论计算结果邻近范围内的若干个值，通过分析其爆破效果来选择一组最优方案。但由于爆破参数较多，每个参数在合理取值范围内取不同值，会组合出大量的爆破方案，如果对每一种方案都进行验证会产生巨大工作量，这属于多因素多水平问题的试验设计问题。采用正交试验法选取典型爆破方案，能够大幅度减少试验次数而且不会降低试验的可信度。试验因素及水平见表4。

表4 试验因素及水平

通过制作正交试验所需的正交表格选取了16组试验方案，见表5。

表5 5因素4水平正交统计

将由正交表选出的爆破试验方案输入到训练好的BP神经网络中，得出爆破效果，见表6。

表6 试验方案及结果

由表6可见，7号、11～14号爆破方案的效果较好，故选择这5组爆破参数作为试爆方案。

6 试爆及最优爆破方案的确定

采用上节所得到的5组爆破方案进行试爆，爆破效果见表7。

表7 试爆效果

可见，方案7的爆破效果相对较好，因此作为最终采用的方案。

7 结论

基于正交试验法选出的爆破方案应用于横山车站路堑工程施工，取得了良好的效果。可见，本文提出的基于BP神经网络的砂泥岩互层地质爆破参数优化方法是可行的。以类似工程调研、文献查阅及积累的相关数据作为神经网络的训练和检测样本建立的BP神经网络性能良好。以理论计算的爆破方案各参数为基础利用正交试验法形成典型试验方案，并用BP神经网络预测爆破效果，可以优选出效果良好的爆破方案。