-
题名基于PCA-IPSO-ELM模型的爆破块度预测
- 1
-
-
作者
岳中文
刘增辉
鲍周琦
金圆
王光胜
-
机构
中国矿业大学(北京)力学与建筑工程学院
-
出处
《工程爆破》
2025年第5期1-9,共9页
-
基金
国家自然科学基金资助项目(No.51974318)。
-
文摘
为了准确预测岩巷的爆破块度、衡量爆破效果,运用主成分分析(PCA)对爆破数据进行降维,引入基于随机惯性权重改进的粒子群算法(IPSO)以平衡全局寻优和局部寻优能力、优化极限学习机(ELM)的输入权值和隐含层阈值,建立PCA-IPSO-ELM预测模型,并在淮南顾北煤矿进行应用。结果表明:PCA-IPSO-ELM模型爆破块度预测和现场实测结果基本一致,其均方根误差值仅为0.740 2,与BP神经网络和PCA-PSO-ELM模型对比依次降低了79.76%和31.70%。PCA-IPSO-ELM模型的决定系数为0.978 9,相比于BP神经网络的0.921 5和PCA-PSO-ELM模型的0.969 2,依次增加了6.24%和1.01%。PCA-IPSO-ELM预测模型具有较高的精度和较好的稳定性,能够为岩巷爆破参数的设计提供依据。
-
关键词
块度预测
主成分分析
粒子群算法
极限学习机
-
Keywords
lumpiness prediction
principal component analysis
particle swarm optimization
extreme learning machine
-
分类号
TD235
[矿业工程]
-
