简介:
本发明公开了一种基于GWO‑ELM的露天采矿爆破块度的预测方法,所述方法包括如下步骤:针对影响爆破块度因素之间的复杂非线性关系,利用灰狼(GWO)优化极限学习机(ELM)的输入权值与隐含层阈值,建立GWO‑ELM爆破块度预测方法。以大南湖二号露天煤矿的实测数据为例,选取岩石抗拉强度,岩石抗压强度,炮孔间距、排距、最小抵抗线、超深,炸药单耗7个因素作为预测方法的输入因子,选取爆破块度的平均尺寸X50作为预测方法的输出因子,并且与PSO‑ELM及ELM算法进行比较,得出更接近实测值的预测方法。本发明利用GWO优化ELM的输入权值与隐含层阈值,提高ELM方法的稳定性和预测精确度,从而建立GWO‑ELM爆破块度预测方法,为露天矿山爆破块度预测提供理论依据。
本发明公开了一种基于GWO‑ELM的露天
采矿爆破块度的预测方法,所述方法包括如下步骤:针对影响爆破块度因素之间的复杂非线性关系,利用灰狼(GWO)优化极限学习机(ELM)的输入权值与隐含层阈值,建立GWO‑ELM爆破块度预测方法。以大南湖二号露天煤矿的实测数据为例,选取岩石抗拉强度,岩石抗压强度,炮孔间距、排距、最小抵抗线、超深,炸药单耗7个因素作为预测方法的输入因子,选取爆破块度的平均尺寸X
50作为预测方法的输出因子,并且与PSO‑ELM及ELM算法进行比较,得出更接近实测值的预测方法。本发明利用GWO优化ELM的输入权值与隐含层阈值,提高ELM方法的稳定性和预测精确度,从而建立GWO‑ELM爆破块度预测方法,为露天矿山爆破块度预测提供理论依据。