文献类型：期刊文章

作　　者：欧阳斌[1] 陈艳红[1] 邓传军[1]

OUYANG Bin;CHEN Yanhong;DENG Chuanjun(Department of Energy Engineering,Jiangxi Vocational College of Industry&Engineering,Pingxiang Jiangxi 337000,China)

机构地区：[1]江西工业工程职业技术学院能源工程学院,江西萍乡337000

出　　处：《有色金属（矿山部分）》

基　　金：江西省教育厅资助项目(GJJ191526)。

年　　份：2020

卷　　号：72

期　　号：5

起止页码：37-41

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

摘　　要：BP神经网络的初始连接权重和阈值对露天矿边坡位移预测的精度和收敛速度有重要影响。鉴于粒子群优化(PSO)算法具有全局搜索性能和收敛速度快,引入PSO算法对BP神经网络的初始连接权重和阈值进行全局优化,提出了基于PSO优化BP神经网络的露天矿边坡位移预测模型。将所提出的模型应用于实际案例中,并与BP神经网络进行对比。结果表明:该模型能够提高BP神经网络在露天矿边坡位移预测中的精度和收敛速度,预测结果的最大相对误差和平均相对误差分别是0.5668%和0.3530%,具有较好的精度和实际应用价值。

关 键 词：露天矿 边坡位移预测  BP神经网络 粒子群算法

分 类 号：TD854.6]