文献类型：期刊文章

作　　者：温廷新[1,2] 陈晓宇[1] 邵良杉[1] 窦融[2] 魏鹏[2]

机构地区：[1]辽宁工程技术大学系统工程研究所,辽宁葫芦岛125105 [2]辽宁工程技术大学工商管理学院,辽宁葫芦岛125105

出　　处：《煤炭学报》

基　　金：国家自然科学基金资助项目(71371091);辽宁省社科基金资助项目(L14BTJ004)

年　　份：2017

卷　　号：42

期　　号：3

起止页码：630-638

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI(收录号：20172303735704)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为有效指导露天煤矿制定正确生产计划,提高露天煤矿抛掷爆破预测的准确率,在分析露天煤矿抛掷爆破影响因素的基础上,通过"试错法"确定模型最优隐含层节点参数,进而提出一种参数优化后遗传算法(GA)和极限学习机(ELM)相结合的抛掷爆破预测模型。选取网络的输入输出相关参数,针对现有ELM输入权值矩阵和隐含层偏差,采用遗传算法对其进行优化选择;利用某露天煤矿抛掷爆破监测数据对该模型进行实例分析,并将RBF,BP,SVM,GA-BP模型预测结果与该模型进行对比分析;并引入Weibull模型,通过预测控制参数ɑ,β模拟爆堆形态。研究结果表明:(1)通过"试错法"确定GA-ELM模型最优隐含层节点数为39,有效降低系统的仿真误差,该参数下仿真误差值为0.137 7;(2)相较于传统ELM预测模型,通过遗传算法优化后,有效抛掷率,松散系数以及抛掷距离均得出更小的均方误差MSE值(0.258 0,1.748 5×10-4,3.618 4)和更高的决定系数R2值(0.986 4,0.995 3,0.970 6),改进后的GA-ELM具有更好的拟合效果和泛化能力;(3)通过与其他智能算法如BP,RBF,SVM,GA-BP相比,改进后的GA-ELM测试结果(均方误差,决定系数,仿真误差)明显优于其他预测模型,有效提高预测精度;(4)利用训练完成的GA-ELM网络预测爆堆形态时,控制参数a,β的预测误差均未超过5%,预测爆堆曲线接近真实爆堆曲线。

关 键 词：露天煤矿 抛掷爆破 预测  GA-ELM模型  试错法

分 类 号：TD824.3]