基于PSO-SVM的煤矿巷道爆破效果预测关键技术研究

论文摘要

煤矿巷道爆破效果受很多因素的影响,传统单一模式下的人工智能方法对煤矿巷道爆破效果预测不佳。因此以提高模型的预测精度为目的,通过建立PSO-SVM模型进行关键参数寻优。计算得出惩罚参数c与核函数参数g分别为14.0046和1.3622。以我国煤矿岩石巷道爆破工程为背景,从现场调研收集到的100余条巷道爆破工程实例中选取42组典型案例作为训练和测试样本,分别在RBF核函数的基础上应用传统SVM、Grid search-SVM和PSO-SVM模型对炮孔利用率进行预测对比,得到3种预测结果的准确率分别为66.67%、75%、91.67%;同时进一步验证了在PSO-SVM模型中4种不同核函数的预测准确率。结果表明:PSO-SVM模型中选取RBF核函数所得到的准确率最高,精度能够满足工程实际需求。

论文目录

• 1 PSO-SVM算法
•   1.1 SVM理论基础
•   1.2 粒子群算法
•   1.3 粒子群优化支持向量机参数
• 2 PSO-SVM模型的建立
• 3 爆破效果智能预测模型的应用
•   3.1 数据来源与指标选取
•   3.2 PSO-SVM模型实现过程
•   3.3 预测效果对比分析
•     （1）不同核函数预测效果对比
•     （2）不同模型预测效果对比
•     （3）不同模型测试集相对误差对比
• 4 结论

文章来源

类型: 期刊论文

作者: 岳中文,范皓宇,马鑫民

关键词: 爆破参数,炮孔利用率,支持向量机,粒子群算法

来源: 爆破 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑

专业: 矿业工程,工业通用技术及设备

单位: 中国矿业大学(北京)力学与建筑工程学院

基金: 国家重点研发计划专项资助(2016YFC0600903),高等学校学科创新引智计划项目(B14006)

分类号: TD235;TD263

页码: 31-36+55

总页数: 7

文件大小: 212K

下载量: 130