基于深度信念网络的磷石膏充填材料强度预测

作者：张安安; 邓芳明^*

来源：科学技术与工程, 2020, 20(18): 7220-7225.

• 磷石膏
• 抗压强度
• 强度预测
• 量子粒子群优化算法
• 深度信念网络

针对目前现有的强度预测方法精度低,提出提取输入参数的深层连接的深度信念网络(DBN)强度预测模型,并采用量子粒子群优化算法(quantum particle swarm optimization,QPSO)来确定DBN的隐含层节点个数和学习率。为获得最优的预测性能,以充填材料的成分及其尺寸作为基于DBN的预测模型的输入,输出充填材料的抗压强度。实验结果显示,该预测方法仅用了1.89 s的预测时间且精度达到99.84%,相比于广泛应用的BP神经网络、RVM(relevance vector machine)、SVM(support vector machine)三种算法在精度和时间上都有显著提升。

• 单位
  华东交通大学; 江西省科学院能源研究所