基于PSO-ELM的爆破块度预测研究

论文摘要

针对影响爆破块度因素之间的复杂非线性关系,利用粒子群算法（PSO）优化ELM（极限学习机）的输入权值与隐含层阈值,建立PSO-ELM爆破块度预测模型。以别斯库都克露天煤矿的实测数据为例,选取岩石抗拉强度、岩石抗压强度、炮孔间距、排距、最小抵抗线、超深、炸药单耗7个因素作为预测模型的输入因子,选取爆破块度的平均尺寸X50作为预测模型的输出因子。结果表明:PSO-ELM模型预测值与实测值的平均相对误差为5.6%,优于ELM模型的11.4%,具有更好的预测精确度;经PSO优化后的ELM模型,受隐含层节点数影响降低,稳定性增加,PSO-ELM模型更适用于爆破块度的预测。

论文目录

文章来源

类型: 期刊论文

作者: 王泽文,左宇军,赵明生,刘强,高正华

关键词: 爆破块度,粒子群算法,极限学习机,块度预测

来源: 矿业研究与开发 2019年06期

年度: 2019

分类: 工程科技Ⅰ辑,工程科技Ⅱ辑

专业: 矿业工程,工业通用技术及设备

单位: 贵州大学矿业学院,贵州新联爆破工程集团有限公司

基金: 国家自然科学基金项目(51574093,51774101),贵州省高层次创新型人才培养项目(黔科合人才(2016)4011号)

分类号: TD235.1

DOI: 10.13827/j.cnki.kyyk.2019.06.027

页码: 132-135

总页数: 4

文件大小: 615K

下载量: 162

相关论文文献

• [1].电阻率测深数据的粒子群算法反演[J]. 红水河 2019(06)
• [2].以云计算资源为基础实现粒子群算法的优化[J]. 电子技术与软件工程 2019(24)
• [3].基于改进粒子群算法的机组负荷优化分配研究[J]. 科技创新导报 2019(28)
• [4].基于改进粒子群算法的工程项目多目标集成管理研究[J]. 价值工程 2020(05)
• [5].改进粒子群算法应用于挖掘机铲斗位置控制[J]. 机械设计与制造 2020(02)
• [6].基于改进量子粒子群算法的输电网规划[J]. 计算机产品与流通 2020(02)
• [7].基于改进粒子群算法的主动配电网网架优化研究[J]. 电气应用 2020(01)
• [8].采用改进粒子群算法优化的涡轮增压器节能研究[J]. 中国工程机械学报 2020(01)
• [9].进化粒子群算法在航空发动机模型求解中的应用[J]. 工程与试验 2019(04)
• [10].粒子群算法在金融风险模型中的研究与改进[J]. 吉林大学学报(信息科学版) 2020(02)
• [11].基于改进的粒子群算法求解供应链网络均衡问题[J]. 运筹与管理 2020(02)
• [12].基于粒子群算法的航班座位自动分配系统[J]. 科技创新导报 2019(36)
• [13].一种求解电力系统无功优化的改进粒子群算法[J]. 电工技术 2020(12)
• [14].基于改进粒子群算法的主动微波遥感土壤水分反演方法研究[J]. 河南农业 2020(17)
• [15].基于混合粒子群算法的注塑机电液伺服系统控制研究[J]. 机床与液压 2020(16)
• [16].基于量子粒子群算法的大型阵稀疏优化方法[J]. 航空科学技术 2020(08)
• [17].基于粒子群算法的函数复杂度分类法[J]. 控制工程 2020(08)
• [18].协同粒子群算法下的火工品参数辨识[J]. 企业科技与发展 2020(09)
• [19].基于家庭角色视角下家庭粒子群算法研究——评《家庭粒子群算法:方法、理论与性能分析》[J]. 中国科技论文 2020(09)
• [20].基于混合粒子群算法的双离合变速器参数优化设计[J]. 吉林大学学报(工学版) 2020(05)
• [21].惯性权重矩阵下的自适应粒子群算法分析[J]. 黑龙江工程学院学报 2020(05)
• [22].基于改进粒子群算法的有效大数据多标准过滤系统设计[J]. 电子设计工程 2020(20)
• [23].浅谈粒子群算法的应用[J]. 计算机产品与流通 2019(11)
• [24].基于粒子群算法的最优值求解[J]. 科技广场 2017(12)
• [25].基于混合粒子群算法的船舶稳定性分析[J]. 舰船科学技术 2018(14)
• [26].自适应粒子群算法在模拟电路故障诊断中的应用[J]. 软件导刊 2017(02)
• [27].基于改进量子粒子群算法的电力系统经济调度仿真研究[J]. 实验技术与管理 2017(03)
• [28].改进的粒子群算法在云计算下的数据挖掘中的研究[J]. 科技通报 2017(04)
• [29].基于改进粒子群算法的移动机器人路径规划[J]. 传感器与微系统 2017(05)
• [30].一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J]. 水下无人系统学报 2017(03)

标签：爆破块度论文;  粒子群算法论文;  极限学习机论文;  块度预测论文;