BAS-BP神经网络对上跨既有隧道工况爆破振动速度的预测
更新日期:2024-11-06     浏览次数:6
核心提示:审稿意见文章标题:BAS-BP神经网络对上跨既有隧道工况爆破振动速度的预测投稿期刊:《工程与试验》审稿意见:一、文章概述本文研究了利用天牛须搜索算

 审稿意见

文章标题:BAS-BP神经网络对上跨既有隧道工况爆破振动速度的预测

投稿期刊:《工程与试验》

审稿意见:

一、文章概述
本文研究了利用天牛须搜索算法(BAS)优化BP神经网络,对上跨既有隧道工况下的爆破振动速度进行预测。文章以赣深客专伯公坳隧道爆破工程为例,通过选取爆心距和中台阶炮孔最大段装药量作为输入变量,建立了BAS-BP神经网络预测模型,并与传统BP神经网络和Elman神经网络进行了对比。

二、文章优点
选题新颖,具有实际意义:
上跨既有隧道爆破施工中的振动控制是一个复杂且具有挑战性的问题。本文提出的BAS-BP神经网络预测模型为解决这一问题提供了新的思路和方法,具有较高的实际应用价值。
研究方法科学,逻辑清晰:
文章详细描述了BAS-BP神经网络模型的构建过程,包括输入变量的选择、模型结构的确定、算法参数的选取等,研究方法科学严谨,逻辑清晰。
数据翔实,分析深入:
文章基于实际工程数据,对BAS-BP、BP和Elman三种神经网络模型的预测结果进行了对比分析,通过多个误差指标验证了BAS-BP模型的优越性。
结论明确,建议合理:
文章得出了明确的结论,即BAS-BP神经网络模型在预测上跨既有隧道工况爆破振动速度方面优于传统BP神经网络和Elman神经网络,并提出了进一步的研究方向。
三、文章不足与建议
文献综述部分需加强:
文章在文献综述部分对爆破振动预测的研究进展概述不够全面,尤其是对近年来国内外关于神经网络在爆破振动预测中的应用缺乏系统的梳理和评述。建议作者补充相关文献,以更好地定位本研究的创新点和局限性。
模型验证部分需细化:
文章虽然通过多个误差指标验证了BAS-BP模型的优越性,但缺乏对不同工况下的模型适应性分析。建议作者进一步细化模型验证部分,探讨不同工况下模型的预测精度和稳定性。
模型参数敏感性分析不足:
文章未对BAS-BP神经网络模型的参数敏感性进行分析,如隐藏层神经元个数、学习速率等。建议作者增加相关分析,以优化模型参数,提高预测精度。
图表规范性需提高:
文章中的部分图表存在标注不清、排版不规范等问题。建议作者仔细校对图表,确保标注清晰、排版规范,提高文章的可读性。
语言表述需精炼:
文章中的部分语言表述较为冗长,建议作者进行精炼,提高文章的流畅性和可读性。
四、总结与推荐
总体而言,本文选题新颖、研究方法科学、结论明确,为上跨既有隧道工况下的爆破振动速度预测提供了新的思路和方法。然而,文章在文献综述、模型验证、参数敏感性分析、图表规范性和语言表述等方面存在不足,需进一步改进和完善。建议作者在修改时充分考虑上述建议,并在修改后重新投稿。若作者能够针对不足进行充分修改和完善,本文具有较高的发表价值。