基于PSO-ELM的爆破块度预测研究

作者：王泽文; 左宇军; 赵明生; 刘强; 高正华

来源：矿业研究与开发, 2019, 39(06): 132-135.

DOI：10.13827/j.cnki.kyyk.2019.06.027

• 爆破块度
• 粒子群算法
• 极限学习机
• 块度预测

针对影响爆破块度因素之间的复杂非线性关系,利用粒子群算法(PSO)优化ELM(极限学习机)的输入权值与隐含层阈值,建立PSO-ELM爆破块度预测模型。以别斯库都克露天煤矿的实测数据为例,选取岩石抗拉强度、岩石抗压强度、炮孔间距、排距、最小抵抗线、超深、炸药单耗7个因素作为预测模型的输入因子,选取爆破块度的平均尺寸X50作为预测模型的输出因子。结果表明:PSO-ELM模型预测值与实测值的平均相对误差为5.6%,优于ELM模型的11.4%,具有更好的预测精确度;经PSO优化后的ELM模型,受隐含层节点数影响降低,稳定性增加,PSO-ELM模型更适用于爆破块度的预测。

• 单位
  贵州大学; 贵州新联爆破工程集团有限公司