[发明专利]一种岩质基坑爆破参数动态调控方法

说明书

本发明公开了一种岩质基坑爆破参数动态调控方法，利用GP机器学习法建立输入矢量和输出向量之间的非线性映射关系，将GP中的最优超参数作为DE算法中的种群样本，通过DE过程中的变异、交叉、选择，借助DE的寻优能力寻找GP的各项最优超参数，优化GP模型，提高GP模型的预测能力，从而预测出更加接近最优解的输出值；进一步，采用GP模型预测结果最优的输出值，所述输出值与控制值之间的均方差作为DE的适应值函数，通过优化样本种群、逐步逼近最优解提高GP模型的预测能力，从而预测出更加接近最优解的目标向量。本发明在爆破监测数据分析的基础上引入高斯‑差异进化算法(GP‑DE)爆破智能优化算法对爆破参数进行快捷有效的优化，保证施工过程安全进行。

技术领域

本发明涉及基坑爆破领域，尤其涉及一种岩质基坑爆破参数动态调控方法。

背景技术

在基坑开挖中遇到硬质岩层时，需要采用爆破开挖方式对岩层进行破除。传统爆破法属于特种作业，需要专业队伍和严格审批，施工成本高且对周围环境有较大的危害。此外，处于城市闹市区的基坑开挖往往临近大量的既有建(构)筑物和地下管线，采用爆破开挖方式势必对其造成影响，严重时会造成人员财产损失。

为了减少基坑爆破对周围环境的危害，在爆破监测数据分析的基础上引入高斯-差异进化算法(GP-DE)爆破智能优化算法对爆破参数进行快捷有效的优化，依据国家标准对爆破危害进行评估，合理调整爆破参数，确保施工过程安全进行。

发明内容

本发明提供一种岩质基坑爆破参数动态调控方法，以克服上述技术问题。

本发明包括如下步骤：

S1：设置差异进化算法(DE)的变异因子，交叉因子，差异策略及种群规模相关参数并选取高斯算法(GP)中的核函数，依照差异进化算法(DE)规则随机产生高斯算法(GP)核函数中超参数作为初始种群；

S2：根据提供的训练样本，对初始种群进行高斯算法(GP)学习，并对测试样本进行预测，得到输出值，并通过核函数对输出值进行适应度评价；

S3：按照DE算法对S1产生的初始种群进行变异交叉操作(差异策略分析)，对生成的新种群赋予高斯算法(GP)再次进行学习、预测，对预测结果再次进行适应度评价，并与之前种群作比较，选择保留更优的种群作为新的父代种群；

S4：设置迭代终止条件，对最优解进行迭代终止条件判断，若满足终止条件则退出计算，否则，返回S3；

S5：反复进行差异进化算法(DE)过程的变异、交叉、选择、高斯算法(GP)预测和适应度评价操作，直至最大种群迭代数或目标函数值达到预设值，完成高斯-差异进化算法(GP-DE)优化并退出程序。

进一步地，S1所述的差异策略具体为对种群进行变异、交叉和选择操作。

进一步地，S1所述的核函数为平方指数协方差函数(SE)。

进一步地，S2所述测试样本和训练样本包括输入变量和输出变量，输入变量包括：炮孔孔径炮孔深度h₁、炮孔间距a、炮孔排距b、炮孔数量n、不耦合装药系数λ、药卷长度h₂、最大单孔药量Q₁、最大单响药量Q₂和爆心距L，输出变量包括爆破振速v。

进一步地，S2所述适应度评价方法为采用适应度函数计算学习样本振速x_p与预测样本振速x_q的误差，所述适应度函数为：