基于极限学习机的充填体强度预测.pdfVIP

第 3o卷第 1期 中圈钨 V01．30，NO．1 2015年 2月 ChinaTungstenIndustry Feb．2015 DOI：10．3969／j．issn．1009—0622．2015．01．006 基于极限学习机的充填体强度预测 陈增剑 1，戴兴国L2，方 鑫 1，邓光迪 1 (1．中南大学 资源与安全工程学院，湖南 长沙 410083；2新 疆大学 地质与矿业工程学院，新疆 乌鲁木齐 830046) 摘 要 ：针对充填体强度与影响因素之间复杂的非线性关系，利用极限学习机算法(ELM)建立了充填体强度预测 的ELM模型，该模型以良山铁矿充填料浆配比试验数据作为训练和测试样本，选取料浆浓度、灰砂比、水泥含量及 矿渣微粉掺入量4个影响因素作为输入因子，28天抗压强度作为输出因子。结果表明：当隐含层节点数 目选取为 17 个，激活函数为Sigmoidal时网络模型具有 良好的泛化能力和预测精度，模型训练值和预测值与实测值的均方误差 (MSE)分别为0．39和0．36，平均相对误差控制在 5％以内，对充填体的强度具有 良好的预测能力。 关键词：充填体强度；极限学习机；泛化能力；均方误差 中图分类号：TD853．35 文献标识码 ：A 训练过程中不需要再作调整，就能产生唯一的最优 O 引 言 解 。它有很强的解决回归预测 问题的能力，能较好地 随着我 国矿产资源开发继续向深部发展，充填 解决缺少数据和不确定性问题，具有快速收敛，简单 采矿法以其有效控制采场地压、维护采空区稳定性、 易用，预测精度高等特性。本文利用ELM神经网络 废物利用和减少环境污染等优势越来越受到人们的 对各种参数条件下充填体的强度进行预测分析，为 重视ll】。在充填采矿法中，充填体的强度首先需要满 合理确定充填料浆配 比参数提供依据。 足充填采矿法对强度的要求，而确定合理的充填料 1 极限学习机基本原理 浆配比可以有效地保证充填体的强度、降低充填成 本翻。影响充填体强度 的因素有很多，这些因素之间 典型的极限学习机网络 由输入层、输出层和隐 具有复杂的非线性关系[31。国内外许多学者提出了 含层组成，输入层有 n个输入变量，隐含层有 Z个神 许多预测充填体强度 的方法，如线性回归l4-习、相似 经元，输出层有m个神经元。对于Ⅳ个训练样本 ， 公式、经验公式估算、数值模拟、弹性力学分析等阎， yi)，Xi=Ix1， ，…， ，= 盔，…，)， ’( 1，2，…， 但由于充填体材料的复杂性，用上述方法往往得不 Ⅳ)，极限学习机 的输入矩阵 = ，， …，Ⅳ1，输 出矩 到精确的预测结果。人工神经网络 由于可以实现从 阵为 1，= 。，Y，…， 。隐含层激活函数为厂 )的标 ． 输入到输 出的任意非线性映射，已应用到充填体强 准单隐层前馈神经网络可表述为： 度的预测中7[-91，并取得了较好的预测效果，但该方 Z 法也存在参数设置多，网络收敛慢，精度不高的缺陷。 ~flift(oixj+b)= =l，2，…，Ⅳ) (1) i=1 极限学习机 (ExtremeLearningMachine，简称为 式中：