基于MIV-BAS-Elman模型的爆破振动速度预测

论文摘要

针对标准神经网络预测爆破振动易陷入局部极值且预测精度低的问题,采用平均影响值法（MIV）对输入变量进行筛选和约简来提高建模精度,采用天牛须搜索算法（BAS）对Elman神经网络进行初始权值阈值的优化,在此基础上建立了MIV-BAS-Elman算法模型。基于某露天煤矿爆破振动速度峰值数据样本对模型进行了验证,并与其他多种算法模型进行了比较分析,结果表明基于MIV-BAS-Elman的爆破振动速度预测模型具有运算速度快、预测精度高的优点,对爆破振动预测具有普适性和一定的实用价值。

论文目录

• 1 引言
• 2 MIV-BAS-Elman模型的建立
•   2.1 Elman神经网络
•   2.2 BAS原理
•   2.3 MIV-BAS-Elman模型的建立
• 3 实例分析
•   3.1 数据样本和MIV数据集处理
•   3.2 模型参数的设定
•   3.3 模型性能指标的选取
•   3.4 预测结果及对比分析
• 4 结论

文章来源

类型: 期刊论文

作者: 蔡晨,钱谦,资昊

关键词: 爆破振动速度,神经网络,天牛须搜索算法

来源: 中国水运 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 工业通用技术及设备,自动化技术

单位: 昆明理工大学信息工程与自动化学院,昆明理工大学建筑工程学院

分类号: TP183;TB41

DOI: 10.13646/j.cnki.42-1395/u.2019.12.048

页码: 110-112

总页数: 3

文件大小: 2218K

下载量: 73