基于自组织神经网络与元启发式算法的地表爆破振动预测方法

TD235; 提出一种基于自组织神经网络(SONN)和元启发式算法的露天矿爆破诱发地表振动预测方法,通过几种常用的元启发式算法,包括蝠鲼觅食优化(MRFO)、饥饿游戏搜索(HGS)、天鹰优化算法(AO)和裸鼹鼠算法(NMRA),以提高SONN模型的预测精度.利用k折交叉检验以确定算法最优参数,并用于重新训练模型以预测爆破诱发地表振动.以国内某露天矿为例验证了提出方法的有效性.研究结果表明,提出的4种模型均可准确预测爆破诱发地表振动,而在4种模型中,预测精度及可靠性由高到低排序均为:MRFO-SONN模型＞HGS-SONN模型＞NMRA-SONN模型＞AO-SONN模型.推荐采用MRFO-SON...

Full description

Saved in:
Bibliographic Details
Published in黄金 Vol. 45; no. 11; pp. 69 - 74
Main Authors 吴志波, 刘佳鹏, 徐敬元, 蒋蔚, 薛培, 杨思敏, 赵俊波
Format Journal Article
LanguageChinese
Published 北方矿业有限责任公司 2024
Subjects
peak particle velocity
矿山安全
爆破振动
质点峰值振动速度
blasting vibration
杂交模型
open-pit mine
露天矿
元启发式算法
hybrid model
自组织神经网络
mine safety
Self-organizing Neural Network
metaheuristic algorithm
Online AccessGet full text
ISSN1001-1277
DOI10.11792/hj20241110

Cover

More Information
Summary:TD235; 提出一种基于自组织神经网络(SONN)和元启发式算法的露天矿爆破诱发地表振动预测方法,通过几种常用的元启发式算法,包括蝠鲼觅食优化(MRFO)、饥饿游戏搜索(HGS)、天鹰优化算法(AO)和裸鼹鼠算法(NMRA),以提高SONN模型的预测精度.利用k折交叉检验以确定算法最优参数,并用于重新训练模型以预测爆破诱发地表振动.以国内某露天矿为例验证了提出方法的有效性.研究结果表明,提出的4种模型均可准确预测爆破诱发地表振动,而在4种模型中,预测精度及可靠性由高到低排序均为:MRFO-SONN模型＞HGS-SONN模型＞NMRA-SONN模型＞AO-SONN模型.推荐采用MRFO-SONN模型来预测由爆破活动诱发的地表振动.
ISSN:1001-1277
DOI:10.11792/hj20241110