期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
极限训练机在矿山开采最大下沉值估算中的应用
被引量：
4
1
作者
李骅锦
何雨森
《人民长江》
北大核心
2017年第8期68-72,共5页
矿山开采过程中采空区地表往往会发生形变,研究其最大下沉值对安全生产具有重要意义,现有的开采最大下沉估算方法还有提升的空间。基于岩移数据决策与极限训练机(Extreme learning machine,ELM)算法,提出了一种估计最大下沉的新方法。...
矿山开采过程中采空区地表往往会发生形变,研究其最大下沉值对安全生产具有重要意义,现有的开采最大下沉估算方法还有提升的空间。基于岩移数据决策与极限训练机(Extreme learning machine,ELM)算法,提出了一种估计最大下沉的新方法。该方法将采厚、倾角、平均采深、走向长度、倾向长度和覆岩岩性确定为最大下沉值影响因素;应用以Sigmoid方程为核函数、隐含层神经元个数为114的ELM模型对最大下沉值进行了估算。通过案例分析,ELM模型得到了优于传统算法如CHAID、Boosted Tree、ANN、BPNN和SVM的RMSE、MAE、MAPE、最大残差及秩相关系数,故认为该模型是一种有效的矿山开采最大下沉估算方法。
展开更多
关键词
最大下沉值估算
岩移数据决策
极限训练机
矿山开采
在线阅读
下载PDF
职称材料
基于双线性变化与多学习机器算法的矿山下沉估算比选模型
2
作者
何雨森
邓家豪
李骅锦
《金属矿山》
CAS
北大核心
2017年第8期175-180,共6页
研究矿山地表最大下沉值的估算方法具有重要的安全生产意义,该研究的核心及关键问题在于提高估算的精度。本研究基于岩移数据决策、双线性变化及多种学习机器算法,对比筛选估算效果最优的矿山下沉估算方法。首先基于岩移数据决策方法,...
研究矿山地表最大下沉值的估算方法具有重要的安全生产意义,该研究的核心及关键问题在于提高估算的精度。本研究基于岩移数据决策、双线性变化及多种学习机器算法,对比筛选估算效果最优的矿山下沉估算方法。首先基于岩移数据决策方法,确定了采厚、倾角、平均采深、走向长度、倾向长度和覆岩岩性为最大下沉的影响参数;随后基于双线性变化的反推算模型,将倾角项转化为与其他参数相同时域数据以求提高估算精度;最后建立了C&RT、CHAID、Boosting Tree、Random Forest、BPNN和SVR等6种学习机器算法的估算模型。通过实例分析,CHAID和Random Forest方法返回了最差的估算结果,Boosting Tree和C&RT方法的估算结果会出现局部大残差值,BPNN估算时间数倍于其他方法,而SVR模型具有易于操作、耗时较短、精度较高的特点。故本研究认为SVR方法是一种高效可靠的最大下沉估算方法。
展开更多
关键词
矿山开采最大下沉
岩移数据决策
双线性变化
学习机器算法
在线阅读
下载PDF
职称材料
题名
极限训练机在矿山开采最大下沉值估算中的应用
被引量：
4
1
作者
李骅锦
何雨森
机构
成都理工大学地质灾害防治与地质环境保护国家重点实验室
爱荷华大学智能系统研究实验室
出处
《人民长江》
北大核心
2017年第8期68-72,共5页
文摘
矿山开采过程中采空区地表往往会发生形变,研究其最大下沉值对安全生产具有重要意义,现有的开采最大下沉估算方法还有提升的空间。基于岩移数据决策与极限训练机(Extreme learning machine,ELM)算法,提出了一种估计最大下沉的新方法。该方法将采厚、倾角、平均采深、走向长度、倾向长度和覆岩岩性确定为最大下沉值影响因素;应用以Sigmoid方程为核函数、隐含层神经元个数为114的ELM模型对最大下沉值进行了估算。通过案例分析,ELM模型得到了优于传统算法如CHAID、Boosted Tree、ANN、BPNN和SVM的RMSE、MAE、MAPE、最大残差及秩相关系数,故认为该模型是一种有效的矿山开采最大下沉估算方法。
关键词
最大下沉值估算
岩移数据决策
极限训练机
矿山开采
Keywords
maximum surface subsidence estimating
data-mining on rock movement
Extreme Learning Machine
ore mining
分类号
P642 [天文地球—工程地质学]
在线阅读
下载PDF
职称材料
题名
基于双线性变化与多学习机器算法的矿山下沉估算比选模型
2
作者
何雨森
邓家豪
李骅锦
机构
爱荷华大学机械与工业工程系
成都理工大学环境与土木工程学院
出处
《金属矿山》
CAS
北大核心
2017年第8期175-180,共6页
文摘
研究矿山地表最大下沉值的估算方法具有重要的安全生产意义,该研究的核心及关键问题在于提高估算的精度。本研究基于岩移数据决策、双线性变化及多种学习机器算法,对比筛选估算效果最优的矿山下沉估算方法。首先基于岩移数据决策方法,确定了采厚、倾角、平均采深、走向长度、倾向长度和覆岩岩性为最大下沉的影响参数;随后基于双线性变化的反推算模型,将倾角项转化为与其他参数相同时域数据以求提高估算精度;最后建立了C&RT、CHAID、Boosting Tree、Random Forest、BPNN和SVR等6种学习机器算法的估算模型。通过实例分析,CHAID和Random Forest方法返回了最差的估算结果,Boosting Tree和C&RT方法的估算结果会出现局部大残差值,BPNN估算时间数倍于其他方法,而SVR模型具有易于操作、耗时较短、精度较高的特点。故本研究认为SVR方法是一种高效可靠的最大下沉估算方法。
关键词
矿山开采最大下沉
岩移数据决策
双线性变化
学习机器算法
Keywords
Maximum mining subsidence
Decision-making of strata deformation data
Bilinear transformation
Machine learning algorithm
分类号
TD325.2 [矿业工程—矿井建设]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
极限训练机在矿山开采最大下沉值估算中的应用
李骅锦
何雨森
《人民长江》
北大核心
2017
4
在线阅读
下载PDF
职称材料
2
基于双线性变化与多学习机器算法的矿山下沉估算比选模型
何雨森
邓家豪
李骅锦
《金属矿山》
CAS
北大核心
2017
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
