| 基于PCA-BP神经网络的岩石爆破平均粒径预测 |
| |
| 引用本文： | 史秀志,郭霆,尚雪义,姬露露. 基于PCA-BP神经网络的岩石爆破平均粒径预测[J]. 爆破, 2016, 33(2): 55-61. DOI: 10.3963/j.issn.1001-487X.2016.02.011 |
| |
| 作者姓名： | 史秀志 郭霆 尚雪义 姬露露 |
| |
| 作者单位： | 中南大学资源与安全工程学院,长沙,410083;中南大学资源与安全工程学院,长沙,410083;中南大学资源与安全工程学院,长沙,410083;中南大学资源与安全工程学院,长沙,410083 |
| |
| 基金项目： | 国家科技支撑计划项目(2013BAB02B05) |
| |
| 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。
|
| 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 |
Prediction of Mean Particle Size of Rock Blast based on Combination of PCA and BP Neural Networks |
| |
| SHI Xiu-zhi,GUO Ting,SHANG Xue-yi,JI Lu-lu. Prediction of Mean Particle Size of Rock Blast based on Combination of PCA and BP Neural Networks[J]. Blasting, 2016, 33(2): 55-61. DOI: 10.3963/j.issn.1001-487X.2016.02.011 |
| |
| Authors: | SHI Xiu-zhi GUO Ting SHANG Xue-yi JI Lu-lu |
| |
| Abstract: | |
| |
| Keywords: | particle size of rock blast fragmentation principal component analysis BP neural networks prediction model least squares method |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
