-
题名基于PCA-BP神经网络的岩石爆破平均粒径预测
被引量：13
- 1
-
-
作者
史秀志
郭霆
尚雪义
姬露露
-
机构
中南大学资源与安全工程学院
-
出处
《爆破》
CSCD
北大核心
2016年第2期55-61,共7页
-
基金
国家科技支撑计划项目(2013BAB02B05)
-
文摘
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。
-
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
-
Keywords
particle size of rock blast fragmentation
principal component analysis
BP neural networks
prediction model
least squares method
-
分类号
TD235.1
[矿业工程—矿井建设]
-
