第4章
爆破施工对建筑物影响的动力分析

峰值质点速度（PPV）是评价爆破引起的地面振动及其对邻近地区的破坏最常用的参数之一。为了预防和控制聚苯乙炔（PPA）的危害，在进行爆破作业前，应预测和控制聚苯乙炔（PPA）的用量。本书采用模糊Delphi方法（FDM）对爆破环境问题的结果进行分析，找出对PPV影响最大的关键变量。在此基础上，选取了预测PPV最有效的参数，并将其应用于基于遗传算法（GA-ANN）、粒子群优化（PSO-ANN）、帝国主义竞争算法（ICA-ANN）、人工蜂群（ABC-ANN）和萤火虫算法（FA-ANN）的混合神经网络模型中。根据GA、PSO、ICA、ABC和FA优化技术中最有影响的参数，建立了多种基于混合神经网络的预测模型，并提出了5种基于混合神经网络的预测模型。通过简单的排序技术，选出了最优的混合模型。结果表明，与其他已实现的混合预测模型相比，FA-ANN模型能够提供更高的预测精度。对GA-ANN、PSO-ANN、ICA-ANN、ABC-ANN和FA-ANN的训练和测试数据集分别得到（0.883 1、0.899 5、0.904 3、0.909 5和0.913 3）和（0.865 7、0.874 9、0.885 0、0.909 4和0.909 7）的确定系数（ R ² ）结果。结果表明，所有的混合模型都可以用来解决PPV问题，但是当需要最高的预测性能时，混合FA-ANN模型将是最佳的选择。 1TI7an8enjQURnoM+1odFOEvWvhpgJICFXj8mJvmMqg1fHJtqsnk0fhIgomD8Nq/