超大能力超细全尾砂长距离自流输送临界流速ELM预测.pdfVIP

科技导报2015，33（15） 超大能力超细全尾砂长距离自流输送超大能力超细全尾砂长距离自流输送 临界流速临界流速ELMELM预测预测 王新民，张国庆，张钦礼，李帅 中南大学资源与安全工程学院，长沙410083 摘要摘要 为准确预测司家营铁矿超大能力超细全尾砂浆体长距离管道自流输送的临界流速，对比传统的BP神经网络、支持向量机 （SVM），建立了以管道直径、物料平均粒径、浆体体重和体积浓度为输入因子，临界流速为输出因子的极限学习机（ELM）预测新 模型。研究结果表明，ELM模型与SVM模型的相对误差均控制在5%以内，远低于BP神经网络模型的9.56%。由于隐层节点 参数均随机选取且无需调节，使得ELM算法在隐层节点数为110和200时，训练时间仅为0.02 s和0.05 s，远少于同节点状态 SVM模型的0.04s和0.095s，且隐含节点数越多，训练时间差距越大，运算效率越高。 关键词关键词 超大能力；临界流速；极限学习机；预测精度；运算效率 中图分类号中图分类号 X753 文献标志码文献标志码 A doidoi 10.3981/j.issn.1000-7857.2015.15.003 ELMpredictionofcriticalflowvelocityinlarge-capacitylong self-flowingtransportationofsuperfinetailingsslurry WANGXinmin,ZHANGGuoqing,ZHANGQinli,LIShuai SchoolofResourcesandSafetyEngineering,CentralSouthUniversity,Changsha 410083,China AbstractAbstract ToaccuratelypredictthecriticalflowvelocityofSijiayingslarge-capacitysuperfinetailingsslurryinlongself-flowing transportation,anewELMpredictionmodelisdeveloped.TheELMmodeltakespipediameter,graindiameter,slurrydensityand volumeconcentrationasinputfactors,andcriticalflowvelocityasoutputfactor.BycomparingitwithtraditionalBPneuralnetworks andsupportvectormachines(SVMs),thesuperiorityofELMinimprovingprecisionandefficiencyisdemonstrated.Itisrevealedthat ELMmodelsrelativeerrorisblow 5%,whichislowerthanBPmodels 9.56%.Withthehiddennodenumberbeing 110and 200,the trainingtimesofELMare 0.02 sand 0.05 s,respectively,whichbotharefarbelowthecorrespondingSVMs 0.04 sand 0.095 s.The randomchoiceandgoodadaptabilityofhiddennodenumbermakesthenewELMmodelsuperiorinimprovingprecisionandefficiency. KeywordsKeywords large-capacity;criticalflowvelocity;extremelearningmachine;predictionaccuracy;computationalefficiency 管道自流输送的全尾砂胶结充填采矿法具有尾砂利用 体超长距离管道自流输送临界流速的准确计算，对保障司家 率高，可有效预防和控制地表沉降，保证采矿作业安全、降低 营铁矿超大能力充填系统平稳运行、实现安全高效开采意义 损失贫化等优点，符合安全高效、经济环保的无废开采发展