基于粒子群优化算法的充填体单轴抗压强度预测研究

TU443; 为快速有效确定充填体单轴抗压强度,以灰砂比、固体含量和养护龄期作为输入因子,充填体单轴抗压强度作为输出因子,建立一种粒子群优化算法(PSO),对支持向量机(SVM)参数进行全局优化的预测模型.结果表明,该模型预测性能较好,相关系数高(训练集为0.996,测试集为0.993),均方误差值低(训练集为0.000 393,测试集为0.000 726 13);通过室内试验对采集的216个试样进行预测与对比,证明模型可以准确地预测充填体单轴抗压强度,大幅度减少物理试验量及缩短试验周期,为矿山充填提供一种新思路....

Full description

Saved in:
Bibliographic Details
Published in河南理工大学学报（自然科学版） Vol. 41; no. 3; pp. 32 - 37
Main Authors 黄晓红, 崔贺佳, 刘志义, 刘利平, 张凯月
Format Journal Article
LanguageChinese
Published 华北理工大学信息工程学院,河北唐山063210%华北理工大学矿业工程学院,河北唐山063210 01.05.2022
河北省矿业开发与安全技术重点实验室(华北理工大学),河北唐山063210
Subjects
充填体
支持向量机
粒子群优化算法
单轴抗压强度预测
Online AccessGet full text
ISSN1673-9787
DOI10.16186/j.cnki.1673-9787.2020090044

Cover

More Information
Summary:TU443; 为快速有效确定充填体单轴抗压强度,以灰砂比、固体含量和养护龄期作为输入因子,充填体单轴抗压强度作为输出因子,建立一种粒子群优化算法(PSO),对支持向量机(SVM)参数进行全局优化的预测模型.结果表明,该模型预测性能较好,相关系数高(训练集为0.996,测试集为0.993),均方误差值低(训练集为0.000 393,测试集为0.000 726 13);通过室内试验对采集的216个试样进行预测与对比,证明模型可以准确地预测充填体单轴抗压强度,大幅度减少物理试验量及缩短试验周期,为矿山充填提供一种新思路.
ISSN:1673-9787
DOI:10.16186/j.cnki.1673-9787.2020090044