基于PCA-BP神经网络的岩石爆破平均粒径预测

发布时间：2017-08-02 08:10

  本文关键词：基于PCA-BP神经网络的岩石爆破平均粒径预测

  更多相关文章： 岩石爆破粒径 主成分分析法 BP神经网络 预测模型 最小二乘法

【摘要】：岩石爆破平均粒径的预测对岩石采装及二次破碎具有重要意义,然而常规的神经网络预测岩石爆破平均粒径存在较大的误差。为更加合理准确预测岩石爆破粒径分布,选取台阶高度与钻孔荷载比(H/B),间距与荷载比(S/B),荷载与孔径比(B/D),炮泥与荷载比(T/B),粉因数(Pf),弹性模量(E)和现场块度大小(XB)7个主要影响岩石爆破粒径的因素,并结合BP神经网络较好的预测性,以及主成分分析(PCA)能消除自变量间的相关性和减少BP神经网络输入数据的特点,建立了基于PCA-BP神经网络的岩石爆破粒径预测模型。以48组实测数据为例,对7个影响因素进行主成分分析,最终降为4个主成分,进而将其作为BP神经网络的输入因子,对岩石爆破粒径进行了预测。结果表明:BP神经网络与最小二乘法预测的平均误差分别为15.71%、27.32%,而PCA-BP神经网络预测平均误差仅为9.21%,实现了对岩石爆破粒径的较准确预测。综上所知,PCA-BP神经网络模型为岩石爆破平均粒径预测提供了一种科学、可靠的方法。
【作者单位】： 中南大学资源与安全工程学院;
【关键词】： 岩石爆破粒径 主成分分析法 BP神经网络 预测模型 最小二乘法
【基金】：国家科技支撑计划项目(2013BAB02B05)
【分类号】：TD235.1
【正文快照】： com。通讯作者:郭霆(1989-),男,硕士研究生,从事采矿工艺与爆破方面的研究工作,(E-mail)csubaopo@163.com。在露天矿爆破作业中,合适的爆破粒径分布不仅有利于矿石的装载和运输,提高采装效率,而且可降低二次破碎带来的风险[1]。因而实现最佳的破岩粒度分布无疑成为了岩石爆破

【参考文献】

中国期刊全文数据库 前10条

1 冯岩;王新民;程爱宝;张钦礼;赵建文;;采空区危险性评价方法优化[J];中南大学学报(自然科学版);2013年07期

2 李斌;许梦国;王平;王明旭;朱明德;邓静;;基于灰关联的井下采矿爆破块度分析[J];有色金属(矿山部分);2012年06期

3 杨凯;陈建宏;;基于主成分分析与BP神经网络的冲击地压预测[J];广西大学学报(自然科学版);2012年05期

4 李松;刘力军;翟曼;;改进粒子群算法优化BP神经网络的短时交通流预测[J];系统工程理论与实践;2012年09期

5 邬书良;陈建宏;杨珊;;基于主成分分析与BP网络的锚杆支护方案优选[J];工程设计学报;2012年02期

6 史秀志;周健;吴帮标;黄丹;魏威;;台阶爆破岩石破碎平均粒径预测的支持向量机方法(英文)[J];Transactions of Nonferrous Metals Society of China;2012年02期

7 何长虹;黄全义;申世飞;王飞;;基于BP神经网络的森林可燃物负荷量估测[J];清华大学学报(自然科学版);2011年02期

8 潘玉忠;张义平;王强;唐丽s，

本文编号：608309