鄒寶平,楊建輝,王建秀,胡力繩

(1.浙江科技學(xué)院土木與建筑工程學(xué)院,杭州 310023；2.同濟(jì)大學(xué)地下建筑與工程系,上海 200092；3.中鐵二局集團(tuán)有限公司,成都 610031)

基于灰色理論與BP神經(jīng)網(wǎng)絡(luò)的特長瓦斯隧道爆破參數(shù)優(yōu)選

鄒寶平1,2,楊建輝1,王建秀2,胡力繩3

(1.浙江科技學(xué)院土木與建筑工程學(xué)院,杭州 310023；2.同濟(jì)大學(xué)地下建筑與工程系,上海 200092；3.中鐵二局集團(tuán)有限公司,成都 610031)

圍巖巖體力學(xué)行為復(fù)雜多變,為避免爆破振動(dòng)激發(fā)煤與瓦斯突出,獲得合理的松動(dòng)爆破,對(duì)特長瓦斯特大斷面隧道爆破參數(shù)進(jìn)行優(yōu)選預(yù)測研究?；诨疑到y(tǒng)理論和BP神經(jīng)網(wǎng)絡(luò),考慮圍巖累積爆破損傷變形具有的動(dòng)態(tài)性、瓦斯等灰色信息,選取最小抵抗線、炮孔間距、裝藥集中度等參數(shù)作為主要優(yōu)選指標(biāo),建立基于單位化約束條件的綜合集成優(yōu)選模型,并對(duì)爆破振動(dòng)效應(yīng)下的特長瓦斯特大斷面隧道的爆破參數(shù)進(jìn)行優(yōu)選預(yù)測。結(jié)果表明,建立的基于單位化約束條件的綜合集成優(yōu)選模型降低了試驗(yàn)中爆破參數(shù)的離散程度,當(dāng)爆破參數(shù)E、W、q1的優(yōu)選值分別為60、70 cm、0.12 kg/m時(shí),基于單位化約束條件的綜合集成優(yōu)選模型優(yōu)選預(yù)測值精度較高,隧道爆破效果較好。

隧道；爆破；參數(shù)優(yōu)選；灰色理論； BP神經(jīng)網(wǎng)絡(luò)

爆破參數(shù)優(yōu)選研究一直是隧道工程中的一個(gè)重要研究課題之一[1]。爆破參數(shù)主要包括炮孔間距、最小抵抗線、裝藥集中度、裝藥結(jié)構(gòu)等[1-5]，合理的爆破參數(shù)能夠獲得較好的爆破效果。特別是特長瓦斯特大斷面隧道，爆破振動(dòng)效應(yīng)能引起隧道圍巖累積爆破損傷以及激發(fā)煤與瓦斯突出，而合理的爆破參數(shù)能有效增加煤層的透氣性，減少瓦斯抽放阻力，避免爆破振動(dòng)效應(yīng)激發(fā)煤與瓦斯突出，形成合理的松動(dòng)爆破[6-7]。隨著爆破工程經(jīng)驗(yàn)的不斷積累，各種基于經(jīng)驗(yàn)的爆破參數(shù)理論計(jì)算法一直廣泛應(yīng)用于爆破工程設(shè)計(jì)，其爆破成縫機(jī)理主要以爆炸應(yīng)力波和爆生氣體共同作用理論為主[4-5]。但是受隧道圍巖巖體力學(xué)行為復(fù)雜多變以及巖石爆破破巖機(jī)制的復(fù)雜性和不確定性的限制，現(xiàn)有隧道工程爆破參數(shù)的確定大多以經(jīng)驗(yàn)計(jì)算為主，爆破過程中經(jīng)常出現(xiàn)超欠挖、圍巖片落、隧道壁面凹凸不平等現(xiàn)象，影響隧道爆破的質(zhì)量和生產(chǎn)效益[3，5]。尤其是認(rèn)識(shí)到爆炸應(yīng)力波和爆生氣體共同作用是爆破成縫的主要機(jī)理后，理論計(jì)算法[2]、多目標(biāo)灰色局勢決策理論[8]、突變綜合評(píng)價(jià)理論[9]、灰色關(guān)聯(lián)分析法[10]、試驗(yàn)法[3，11-12]等各種分析方法開始應(yīng)用于爆破參數(shù)優(yōu)選研究。但現(xiàn)有優(yōu)選模型主要是單一利用以上理論對(duì)隧道爆破參數(shù)進(jìn)行優(yōu)化設(shè)計(jì)，由于各類試驗(yàn)研究的目的不是單一地進(jìn)行參數(shù)優(yōu)化研究，同時(shí)又受爆破復(fù)雜性、地質(zhì)條件多變性等各種客觀條件的限制，無法將爆破參數(shù)的各種影響因素都反映出來?，F(xiàn)有研究中，基于灰色系統(tǒng)理論[13]和BP神經(jīng)網(wǎng)絡(luò)[14-15]，對(duì)特長瓦斯特大斷面隧道爆破參數(shù)優(yōu)選預(yù)測的相關(guān)研究還較少，特別是隧道爆破地震波在傳播時(shí)將產(chǎn)生波的反射、透射與折射，使這些突出煤層中的節(jié)理裂隙等弱面受到拉、壓、剪等應(yīng)力的混合作用發(fā)生擴(kuò)展和延伸而產(chǎn)生爆破累積損傷[6]，進(jìn)而激發(fā)煤與瓦斯突出，因而考慮爆破累積損傷的瓦斯特大斷面隧道爆破參數(shù)優(yōu)選預(yù)測研究也較少。

因此，基于灰色系統(tǒng)理論和BP神經(jīng)網(wǎng)絡(luò)，考慮特長隧道圍巖爆破累積損傷變形具有的動(dòng)態(tài)性、瓦斯等灰色信息，選取最小抵抗線、炮孔間距、裝藥集中度等參數(shù)作為主要優(yōu)選指標(biāo)，建立了基于單位化約束條件的綜合集成優(yōu)選模型，并對(duì)爆破振動(dòng)效應(yīng)下的特長瓦斯特大斷面隧道的爆破參數(shù)進(jìn)行優(yōu)選預(yù)測，進(jìn)而優(yōu)選出適應(yīng)性廣、精度高、優(yōu)選預(yù)測成果更為合理的爆破最優(yōu)參數(shù)，以避免爆破振動(dòng)效應(yīng)激發(fā)煤與瓦斯突出，獲得合理的松動(dòng)爆破，達(dá)到最佳的爆破效果。

1 特長瓦斯隧道爆破參數(shù)優(yōu)選指標(biāo)的選取

特長瓦斯隧道地質(zhì)災(zāi)害較多，隧道爆破過程中，如不對(duì)爆破參數(shù)進(jìn)行優(yōu)選，就得不到合理的松動(dòng)爆破，那么爆破振動(dòng)效應(yīng)就會(huì)激發(fā)煤與瓦斯突出[6-7]，這是隧道建設(shè)中的難題。因此，根據(jù)前人研究[1-5]，選取反映特長瓦斯隧道爆破參數(shù)中的幾個(gè)關(guān)鍵性指標(biāo)并對(duì)其進(jìn)行優(yōu)選分析，主要包括最小抵抗線、炮孔間距、裝藥集中度。

1.1 最小抵抗線

最小抵抗線反映了光爆層的厚度，其大小直接影響光爆效果。最小抵抗線過大，光爆層巖石將得不到合理破碎，以致不能使其沿炮眼底部最小抵抗線切割下來。反之，最小抵抗線過大，反射波的作用使隧道圍巖內(nèi)產(chǎn)生較多、較長的裂隙，對(duì)隧道圍巖穩(wěn)定性產(chǎn)生影響，造成圍巖超挖、隧道光爆面凹凸不平[1-5]。為屏蔽反射應(yīng)力波拉伸作用對(duì)圍巖造成的破壞，光爆層必須滿足下式

(1)

式中，W為最小抵抗線；E為炮孔間距；cp為巖石的彈性縱波波速；uC為炸藥爆炸后周邊眼裂縫擴(kuò)展平均速度。

炮眼密集度系數(shù)m應(yīng)滿足下式

(2)

式中，m根據(jù)圍巖軟硬不同而不同，一般取0.6～1.2，硬巖取大值，軟巖取小值。

依據(jù)豪柔公式計(jì)算最小抵抗線W，即

(3)

式中，qb為炮眼內(nèi)的裝藥集中度；lb為炮眼長度；c為爆破系數(shù)，相當(dāng)于單位耗藥量。

1.2 炮孔間距

爆炸應(yīng)力波和爆生氣體共同作用下的爆破成縫理論是目前確定炮孔間距公認(rèn)的理論基礎(chǔ)[2-5]。在爆生氣體靜壓作用下，裝藥激起的應(yīng)力波在炮眼壁上出現(xiàn)初始裂縫，進(jìn)而擴(kuò)展形成貫穿裂縫，其近似的平衡條件為

(4)

(5)

式中，db為炮孔直徑；rk為爆炸應(yīng)力波在眼壁上形成的初始裂縫長度；δ為巖石的損傷因子；St為巖石受損前靜態(tài)單向抗拉強(qiáng)度；α為應(yīng)力波衰減指數(shù)，α=2-λ；pr為眼壁初始徑向壓力；σr為二次應(yīng)力；pb為爆炸氣體充滿炮眼時(shí)的準(zhǔn)靜壓力，可按等熵膨脹過程按下式計(jì)算

(6)

式中，pk為臨界壓力，一般取200 MPa；r為絕熱指數(shù)，一般取1.2～1.3；k為熵指數(shù)，一般取3；Kd為徑向裝藥不耦合系數(shù)；Kl為軸向裝藥不耦合系數(shù)；p0為爆生氣體的初始平均壓力，即

(7)

式中，ρ0為炸藥密度；D為爆速。

根據(jù)式(4)～式(7)可求炮孔間距E的計(jì)算公式，即

(8)

1.3 裝藥集中度

Kd、Kl為兩種主要的裝藥結(jié)構(gòu)參數(shù)，主要綜合考慮孔壁的初始沖擊壓力小于受損巖石的動(dòng)態(tài)體積抗壓強(qiáng)度以及孔壁的初始動(dòng)拉力大于受損巖石的動(dòng)態(tài)抗拉強(qiáng)度[2-5]，即滿足下式

(9)

(10)

當(dāng)隧道爆破忽略炮泥長度不計(jì)，采用軸向和徑向不耦合裝藥，此時(shí)可求

(11)

式中，n為爆生氣體碰撞眼壁時(shí)的壓力增大倍數(shù)，可取10。

在隧道爆破中，如果Kd確定，則Kl可由式(9)～式(11)確定

(12)

當(dāng)Kd、Kl確定后，裝藥集中度及單孔裝藥集中度可按下式計(jì)算

(13)

式中，ql為裝藥集中度；db、dc分別為裝藥直徑和炮孔直徑。

2 基于灰色理論與BP神經(jīng)網(wǎng)絡(luò)的綜合集成優(yōu)選模型

2.1 灰色優(yōu)選GM(1，1)模型

設(shè)隧道爆破參數(shù)原始指標(biāo)數(shù)據(jù)序列為非等時(shí)距數(shù)據(jù)序列[13]，即時(shí)間步長ti+1-ti≠k，設(shè)不等時(shí)間間隔為ki=ti+1-ti，(i=1，…，n-1)，則平均時(shí)間間隔m為

(14)

將隧道爆破參數(shù)非等時(shí)距數(shù)據(jù)序列變換為等時(shí)距數(shù)據(jù)序列w(0)，平均時(shí)間間隔即為時(shí)間步長m，則有

(15)

對(duì)w(0)作AGOw(0)一次累加，則

(16)

由式(14)～式(16)可得白化微分方程為

(17)

Yn={w(0)(2),w(0)(3),…,w(0)(n)}T，

則用最小二乘法可求a、c得

(18)

則式(18)的時(shí)間相應(yīng)特解為

(19)

2.2 BP神經(jīng)網(wǎng)絡(luò)模型

BP算法由數(shù)據(jù)流的前向計(jì)算(正向傳播)和誤差信號(hào)的反向傳播兩個(gè)過程構(gòu)成。設(shè)X1,X2,…,Xn是BP神經(jīng)網(wǎng)絡(luò)的輸入值，Y1,Y2,…,Ym是BP神經(jīng)網(wǎng)絡(luò)的預(yù)測值，wij和wjk為BP神經(jīng)網(wǎng)絡(luò)權(quán)值，BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程包括以下幾個(gè)步驟[14-15]。

(1)網(wǎng)絡(luò)初始化。根據(jù)系統(tǒng)輸入序列(X，Y)確定網(wǎng)絡(luò)輸入層節(jié)點(diǎn)數(shù)n、隱含層節(jié)點(diǎn)數(shù)l，輸出層節(jié)點(diǎn)數(shù)m，初始化輸入層、隱含層和輸出神經(jīng)元之間的連接權(quán)值wij和wjk，初始化隱含層閾值a，輸出層閾值b。

(2)隱含層輸出計(jì)算。根據(jù)輸入向量X，輸入層和隱含層間連接權(quán)值以及隱含層閾值a，計(jì)算隱含層輸出H。

(20)

式中，l為隱含層節(jié)點(diǎn)數(shù)；f為隱含層激勵(lì)函數(shù)。

(3)輸出層輸出計(jì)算。根據(jù)隱含層輸出H，wjk和閾值b，計(jì)算BP神經(jīng)網(wǎng)絡(luò)預(yù)測輸出O。

(21)

(4)誤差計(jì)算。根據(jù)網(wǎng)絡(luò)預(yù)測輸出Qk和期望輸出Yk，計(jì)算網(wǎng)絡(luò)預(yù)測誤差ek。

(22)

(5)權(quán)值更新。根據(jù)網(wǎng)絡(luò)預(yù)測誤差e更新網(wǎng)絡(luò)連接權(quán)值wij和wjk

(23)

(24)

式中，η為學(xué)習(xí)速率。

(6)閾值更新。根據(jù)網(wǎng)絡(luò)預(yù)測誤差e更新網(wǎng)絡(luò)節(jié)點(diǎn)閾值a和b。

(25)

(26)

(7)判斷算法迭代是否結(jié)束，若沒有結(jié)束，返回步驟2。

2.3 基于單位化約束條件的綜合集成優(yōu)選模型的建立

(27)

式中，ωi為第i項(xiàng)指標(biāo)的綜合優(yōu)選預(yù)測值；λ1、λ2分別各取0.5；li為第i項(xiàng)指標(biāo)的灰色優(yōu)選GM(1，1)模型預(yù)測值；mi為第i項(xiàng)指標(biāo)的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測值。

3 實(shí)例分析

3.1 工程概況

成(都)渝(重慶)高鐵某隧道隧區(qū)屬丘陵地貌，丘槽相間，地形波狀起伏，地面高程303～424 m，隧道長約5 100 m，屬特長隧道，最大埋深約120 m，隧道區(qū)內(nèi)構(gòu)造位置屬于華金山斷裂以東的褶皺束，由一系列北東～北北東向近于平行的高背斜山脈組成。隧區(qū)地層巖性為上覆粉質(zhì)黏土、坡洪積軟土、松軟土、粉質(zhì)黏土等，下伏基巖為侏羅系中統(tǒng)沙溪廟組泥巖、砂巖、泥巖夾砂巖、砂巖夾泥巖，節(jié)理裂隙發(fā)育，質(zhì)較軟。隧道各煤層瓦斯?jié)舛忍幱? 820～20 500 ppm范圍，瓦斯壓力高、含量較大，屬于瓦斯隧道。隧道采用光面爆破，出現(xiàn)圍巖損傷、超欠挖等現(xiàn)象，因此需對(duì)隧道爆破參數(shù)進(jìn)行優(yōu)化。炮眼直徑40 mm，炮眼深度4.0 m，藥卷直徑為32 mm，采用巖石乳化炸藥，采用上下臺(tái)階法開挖，上臺(tái)階采用開挖臺(tái)車鉆眼全斷面一次爆破，上臺(tái)階設(shè)計(jì)斷面面積為139.42 m2(不考慮下臺(tái)階和預(yù)留量)。

3.2 基于單位化約束條件的綜合集成優(yōu)選模型參數(shù)優(yōu)選分析

為獲得合理的爆破參數(shù)，避免隧道爆破振動(dòng)效應(yīng)引起隧道圍巖累積爆破損傷以及激發(fā)煤與瓦斯突出，爆破現(xiàn)場試驗(yàn)參數(shù)理論計(jì)算時(shí)計(jì)入爆破振動(dòng)效應(yīng)造成的原巖應(yīng)力、二次應(yīng)力重新分布引起的圍巖累積損傷和破壞，基于應(yīng)力波與爆生氣體共同作用原理、灰色系統(tǒng)理論和BP神經(jīng)網(wǎng)路理論，對(duì)爆破參數(shù)最小抵抗線W、炮孔間距E和裝藥集中度q1進(jìn)行優(yōu)選。

基于單位化約束條件的綜合集成優(yōu)選模型的E、W、q1的優(yōu)選值與灰色優(yōu)選GM(1，1)模型、BP神經(jīng)網(wǎng)絡(luò)模型優(yōu)選值對(duì)比分析見圖1～圖3。由圖可知，(1)對(duì)于灰色優(yōu)選GM(1，1)模型，E的試驗(yàn)優(yōu)選預(yù)測最小值為39.06 cm，最大值為68.01 cm，其相對(duì)誤差分別為2.3%和4.6%，試驗(yàn)值優(yōu)選后驗(yàn)差比值C為0.25，P為0.97，模型優(yōu)選精度高；W的試驗(yàn)優(yōu)選預(yù)測最小值為46.72 cm，最大值為75.59 cm，其相對(duì)誤差分別為3.8%和7.98%，試驗(yàn)值優(yōu)選后驗(yàn)差比值C為0.28，P為1.00，模型優(yōu)選精度高；q1的試驗(yàn)優(yōu)選預(yù)測最小值為0.09 kg/m，最大值為0.23 kg/m，其相對(duì)誤差分別為18.62%和24.26%，試驗(yàn)值優(yōu)選后驗(yàn)差比值C為0.44，P為0.97，模型優(yōu)選精度較高；表明通過灰色優(yōu)選降低了試驗(yàn)值的離散程度，客觀反映了隧道爆破圍巖損傷累積變形的動(dòng)態(tài)性；(2)對(duì)于BP神經(jīng)網(wǎng)絡(luò)模型，E的試驗(yàn)優(yōu)選預(yù)測最小值為40.00 cm，最大值為63.78 cm，優(yōu)選擬合殘差為0.55%；W的試驗(yàn)優(yōu)選預(yù)測最小值為41.41 cm，最大值為69.47 cm，優(yōu)選擬合殘差為0.48%；q1的試驗(yàn)優(yōu)選預(yù)測最小值為0.10 kg/m，最大值為0.20 kg/m，優(yōu)選擬合殘差為1.47%；(3)對(duì)于基于單位化約束條件的綜合集成優(yōu)選模型，E優(yōu)選值最小值為39.57 cm，最大值為65.89 cm，其相對(duì)誤差分別為1.07%和1.37%；W優(yōu)選值最小值為44.82 cm，最大值為72.53 cm，其相對(duì)誤差分別為0.39%和3.61%；q1優(yōu)選值最小值為0.08 kg/m，最大值為0.26 kg/m，其相對(duì)誤差分別為9.3%和12.1%；表明綜合集成優(yōu)選模型的優(yōu)選精度比單一利用GM(1，1)模型高，而BP神經(jīng)網(wǎng)絡(luò)模型雖能較好地對(duì)爆破參數(shù)進(jìn)行優(yōu)選，但其初始權(quán)重較敏感，不同的權(quán)值其收斂不同，因此，基于單位化約束條件的綜合集成優(yōu)選模型彌補(bǔ)了上述兩種模型的不足，保證了爆破參數(shù)優(yōu)選的科學(xué)性、精確性。

圖1 綜合集成優(yōu)選模型與GM(1，1)模型、BP模型的E優(yōu)選值對(duì)比

圖2 綜合集成優(yōu)選模型與GM(1，1)模型、BP模型的W優(yōu)選值對(duì)比

圖3 綜合集成優(yōu)選模型與GM(1，1)模型、BP模型的q1優(yōu)選值對(duì)比

基于單位化約束條件的綜合集成優(yōu)選模型，對(duì)該隧道ZK247+058處爆破參數(shù)進(jìn)行優(yōu)選預(yù)測，E、W、q1的優(yōu)選值分別為63.09、71.86 cm、0.12 kg/m，考慮到隧道爆破斷面大、現(xiàn)場鉆孔和測點(diǎn)布孔人為誤差大，以及現(xiàn)場實(shí)際施工操作的可行性，因此，施工中E、W、q1的優(yōu)選值分別取整數(shù)，即60、70 cm、0.12 kg/m。隧道爆破后對(duì)開挖面進(jìn)行量測，其爆破效果見圖4，由圖可知，隧道最大超挖為0.4 m，平均線性超挖為0.16 m，最大欠挖為0.11 m，炮眼利用率為90%，隧道爆破效果較好。

圖4 隧道爆破效果圖

縱上分析可知，隧道爆破參數(shù)的綜合集成優(yōu)選模型的優(yōu)選預(yù)測值是一個(gè)綜合指標(biāo)，其相對(duì)誤差越小越好，表明隧道圍巖爆破時(shí)的累積損傷對(duì)爆破參數(shù)設(shè)置產(chǎn)生較大影響，隧道爆破累積損傷會(huì)導(dǎo)致相鄰圍巖裂紋貫穿，如得不到合理的松動(dòng)爆破，將增大瓦斯的抽放阻力，使煤層透氣性降低。因此，隧道現(xiàn)場參數(shù)爆破試驗(yàn)中考慮了瓦斯帶來的爆破風(fēng)險(xiǎn)，盡管具有許多不確定因素，但是優(yōu)選預(yù)測相對(duì)誤差波動(dòng)幅度較小，表明考慮爆破圍巖累積損傷的基于單位化約束條件的綜合集成優(yōu)選模型具有較高的精度，優(yōu)選結(jié)果能較好地用于隧道施工。

總之，基于單位化約束條件的綜合集成優(yōu)選模型較充分考慮了圍巖累積爆破損傷變形具有的動(dòng)態(tài)性、瓦斯等灰色信息，降低了試驗(yàn)中爆破參數(shù)的離散程度，客觀體現(xiàn)了爆破參數(shù)優(yōu)選中隱含的規(guī)律性。

4 結(jié)論

(1)特長瓦斯大斷面隧道爆破參數(shù)的選擇，必須考慮爆破振動(dòng)效應(yīng)引起隧道圍巖累積爆破損傷以及激發(fā)煤與瓦斯突出的影響，爆破參數(shù)的計(jì)算以爆炸應(yīng)力波和爆生氣體共同作用理論為基礎(chǔ)，適用于復(fù)雜環(huán)境下隧道爆破參數(shù)的優(yōu)選計(jì)算。

(2)基于灰色系統(tǒng)理論和BP神經(jīng)網(wǎng)絡(luò)理論，考慮圍巖累積爆破損傷變形具有的動(dòng)態(tài)性、瓦斯等灰色信息，選取最小抵抗線、炮孔間距、裝藥集中度等參數(shù)作為主要優(yōu)選指標(biāo)，基于隧道爆破參數(shù)灰色優(yōu)選GM(1，1)模型和BP神經(jīng)網(wǎng)絡(luò)模型，建立了基于單位化約束條件的綜合集成優(yōu)選模型，對(duì)隧道爆破參數(shù)優(yōu)選預(yù)測進(jìn)行了系統(tǒng)研究。

(3)當(dāng)爆破參數(shù)E、W、q1的優(yōu)選值分別為60、70 cm、0.12 kg/m時(shí)，基于單位化約束條件的綜合集成優(yōu)選模型優(yōu)選預(yù)測值精度較高，隧道爆破效果較好。

[1]王建秀，鄒寶平，胡力繩.隧道及地下工程光面爆破技術(shù)研究現(xiàn)狀與展望[J].地下空間與工程學(xué)報(bào)，2013(4)：800-807.

[2]宗琦，馬芹永.光面爆破參數(shù)的理論分析[J].阜新礦業(yè)學(xué)院學(xué)報(bào)：自然科學(xué)版，1994，13(4):21-25.

[3]張志呈.光面爆破參數(shù)的選擇[J].西南工學(xué)院學(xué)報(bào)，2000，15(4):58-64.

[4]彭剛健.巖體巷道光面爆破參數(shù)的分析與應(yīng)用[J].中國礦業(yè)，2009，18(10):103-106.

[5]付玉華，李夕兵，董隴軍.損傷條件下深部巖體巷道光面爆破參數(shù)研究[J].巖土力學(xué)，2010，31(5):1420-1426.

[6]謝雄剛，馮濤，楊軍，等.爆破地震效應(yīng)激發(fā)煤與瓦斯突出的監(jiān)測分析[J].煤炭學(xué)報(bào)，2010，35(2):255-259.

[7]徐偉.高瓦斯低透氣煤層松動(dòng)爆破有效影響范圍確定[J].煤炭科學(xué)技術(shù)，2011，39(8):46-49.

[8]左宇軍，李保珍，陳穎鋒.光面爆破參數(shù)的多目標(biāo)灰色決策分析[J].礦業(yè)研究與開發(fā)，2001，21(增4):1-3.

[9]方崇.基于燕尾突變理論光面爆破效果的綜合評(píng)價(jià)[J].爆破，2010，27(4):40-42.

[10]張震宇.爆破效果主要影響因素的灰色關(guān)聯(lián)分析[J].礦業(yè)快報(bào)，2006，1:22-23.

[11]袁溢.新建鐵路隧道下穿既有運(yùn)營隧道的設(shè)計(jì)與施工[J].鐵道標(biāo)準(zhǔn)設(shè)計(jì)，2014，58(6):98-101.

[12]舒磊，仇文革，龔倫.下穿隧道爆破施工對(duì)既有隧道的振動(dòng)影響及對(duì)策研究[J].鐵道標(biāo)準(zhǔn)設(shè)計(jì)，2013(7):70-74.

[13]鄧聚龍.灰理論基礎(chǔ)[M].武漢:華中科技大學(xué)出版社，2002.

[14]Ren C， An N， Wang J， et al. Optimal parameters selection for BP neural network based on particle swarm optimization: A case study of wind speed forecasting[J]. Knowledge-Based Systems， 2014，56：226-239.

[15]Mandal S， Sivaprasad P， Venugopal S， et al. Artificial neural network modeling to evaluate and predict the deformation behavior of stainless steel type AISI 304L during hot torsion[J]. Applied Soft Computing， 2009，9(1):237-244.

Optimal Prediction of Blasting Parameters for Extra-long Gas Tunnel Based on Grey Theory and BP Neural Network

ZOU Bao-ping1,2, YANG Jian-hui1, WANG Jian-xiu2, HU Li-sheng3

(1.School of Civil Engineering and Architecture, Zhejiang University of Science and Technology, Hangzhou 310023, China;2.Department of Geotechnical Engineering, Tongji University, Shanghai 200092, China;3.China Railway Second Engineering Group Co., Ltd., Chengdu 610031, China)

The surrounding rock mass of extra-long gas tunnel is complicated and variable in mechanics behavior. In order to obtain reasonable loose blasting and avoid blasting vibration from motivating coal and gas outburst, the blasting parameters are studied for optimal prediction with respect to extra-long gas tunnel with large cross-section. Based on the grey theory and BP neural network and in consideration of the grey information of cumulative damage to the dynamic characteristics of extra-long tunnel on account of rock mass blasting and the gas, an integration optimal model based on the constraints of unitization for blasting parameters is established by means of selecting such main optimum indexes as the line of least resistance, the borehole spacing and the charge concentration, so as to fulfill optimal prediction of blasting parameters. The results show that the established integration optimal model reduces the discrete degree of test blasting parameters, when blasting parameters ofE,W,q1are 60, 70 cm, 0.12 kg/m respectively, the accuracy of the integration optimal model is very high with good blasting effect.

Tunnel; Blasting; Parameter optimization; Grey theory; BP neural network

2014-10-28；

2014-12-08

國家自然科學(xué)基金(41072205)，浙江科技學(xué)院科研基金(F702104E03，F(xiàn)703104D01)，中鐵二局股份有限公司課題(201218)

鄒寶平(1982—)，男，講師，2014年畢業(yè)于同濟(jì)大學(xué)地質(zhì)工程專業(yè)，工學(xué)博士，E-mail:zbpky@163.com。

1004-2954(2015)08-0131-05

U455

A

10.13238/j.issn.1004-2954.2015.08.028