充填管道磨损风险的KPCA-PSO-GRNN评估模型及应用

作者：李晓晨; 聂兴信^*

来源：有色金属工程, 2019, 9(02): 84-92.

• 核主成分分析(KPCA)
• 粒子群优化(PSO)算法
• 广义回归神经网络(GRNN)
• 充填管道
• 磨损风险评估

针对影响充填管道磨损风险因素的复杂性和不确定性,为更加科学准确的预测充填管道的磨损状况,减少由管道磨损带来的矿山损失,构建了一种基于核主成分分析(KPCA)和粒子群算法(PSO)优化广义回归神经网络(GRNN)的充填管道磨损风险评估模型。建立充填管道磨损风险评估指标体系,运用KPCA,对数据进行特征提取,将其结果作为GRNN的输入,采用PSO算法优化选取GRNN的光滑因子,完成GRNN的训练和学习,将该模型应用于国内某矿山充填管道的磨损风险评估中,并与其它模型进行对比。结果表明,利用该模型可以准确的预测充填管道磨损风险等级,与实际情况相一致。工程应用实例表明,所建模型预测精度更高,适用性更好,对充填管道的磨损评估具有较好的借鉴意义。

• 单位
  西安建筑科技大学