-
题名基于IPSO-ELM模型的尾矿坝稳定性分析
- 1
-
-
作者
赵允坤
胡军
栾长庆
张瀚斗
-
机构
辽宁科技大学土木工程学院
鞍钢集团矿业弓长岭有限公司选矿分公司
鞍钢集团有限公司东鞍山烧结厂
-
出处
《中国矿业》
2022年第3期61-66,共6页
-
基金
辽宁省教育厅重点项目资助(编号:601009877-36)。
-
文摘
为了更准确地对尾矿坝稳定性进行预测,采用训练速度快、参数设置简单、准确度较高的极限学习机(ELM)模型,针对ELM模型在训练过程中随机产生的连接权值和隐含层阈值,导致泛化能力不足、模型稳定性差等问题,引入基于线性递减权重法改进的粒子群算法(IPSO)对其进行优化,提出了尾矿坝稳定性预测的改进粒子群优化极限学习机(IPSO-ELM)模型。将该模型运用到尾矿坝实例预测中,在选取的35组样本数据中,前30组作为训练样本,后5组作为测试样本,以内摩擦角、边坡角、尾矿坝材料重度、孔隙压力比、内聚力和边坡高度6个尾矿坝稳定性影响因素为输入参数,以尾矿坝稳定性安全系数为输出参数,将预测结果与ELM模型和PSO-ELM模型对比,结果表明,IPSO-ELM模型有较高的预测精度,预测值逼近于实际值,验证了IPSO-ELM模型在尾矿坝稳定性评价中的可靠性和有效性。
-
关键词
尾矿坝
稳定性
粒子群算法
极限学习机
线性递减权重法
-
Keywords
tailings dam
stability
particle swarm optimization(PSO)
extreme learning machine(ELM)
linear decreasing weight method
-
分类号
TD926.4
[矿业工程—选矿]
-
