基于GA-ELM浆体管道输送临界流速预测模型研究.pdfVIP

第 11卷 第8期 中 国 安全 生 产科 学技 术 V01．1lNo．8 2015年8月 JournalofSafetyScienceandTechnology Aug．2015 文章编号：1673—193X(2015)一08—0101—05 基于 GA—ELM浆体管道输送临界流速预测模型研究 王新民，李天正，张钦礼 (中南大学 资源与安全工程学院，湖南 长沙 410083) 摘 要：针对浆体管道输送l临界流速预测难度大、精确度低等技术难题 ，提出了基于极限学习机 (ELM)的临界流速预测模型，用训练集对模型进行训练，以验证集预测值的均方误差作为适应度 函数，利用遗传算法(GA)对 ELM模型参数进行优化，应用优化得到的ELM模型对预测集进行预 测。以某矿山为例 ，模型参数优化结果如下：隐含层节点数 为400，输入权值U、偏置向量b最优 组合下预测结果适应度为0．0201。采用优化的ELM模型对预测集进行预测，预测结果的最大相 对误差 =3．96％，平均相对误差 Y=1．58％，对比BP神经 网络 (=12．95％)和 SVM模型 (= 3．19％)，表明ELM模型更加精确、高效。 关键词：极限学习机；前馈神经网络；浆体管道输送；临界流速 中图分类号 ：X936 文献标志码：A doi：10．11731／j．issn．1673—193x．2015．08．017 Studyonpredictionmodelofcriticalflow velocity inslurrypipeline transportationbasedonGA-ELM WANGXin—min，LITian—zheng，ZHANGQin—li (SchoolofResourcesandSafetyEngineering，CentralSouthUniversity，ChangshaHunan410083，China) Abstract：Consideringthetechnicalproblemsofgreatdifficultiesandlow accuraciesinpredictingthecriticalflow velocityofslurrypipelinetransportation，apredictionmodelofcriticalflow velocitybasedonextremelearningma— chine(ELM)wasproposed．Thetrainingsetwasusedtotrainthemodel，andthemeansquareerrorofthevalida— tionsetvaluewasselectedasthefitnessfunction．Thenthegeneticalgorithm (GA)wasusedtooptimizethepa— rametersofELM mode1．TheoptimizedELM modelwasusedtopredicttheforecastset．Takingacertainmineas example，theoptimizedparametersofthemodelwereasfollows：thehiddenlayernodesLwas400，andunderthe optimalcombinationoftheinputweightsU andtheoffsetvectorsb ，thefitnessofpredictionresuhswas0．0201． Themaximumrelativeerror =3．96％ ．withanaveragerelativeerrorY 1．58％．ComparedwithBPneuralnet— work(戈=12．95％)andSVMmodel(=3．19％)，theELMmodelwasmoreaccur