基于PSO-ELM的爆破块度预测研究

来源期刊：矿业研究与开发2019年第6期

论文作者：王泽文 左宇军 赵明生 刘强 高正华

文章页码：132 - 135

关键词：爆破块度;粒子群算法;极限学习机;块度预测;

摘    要：针对影响爆破块度因素之间的复杂非线性关系,利用粒子群算法（PSO）优化ELM（极限学习机）的输入权值与隐含层阈值,建立PSO-ELM爆破块度预测模型。以别斯库都克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个因素作为预测模型的输入因子,选取爆破块度的平均尺寸X50作为预测模型的输出因子。结果表明:PSO-ELM模型预测值与实测值的平均相对误差为5.6%,优于ELM模型的11.4%,具有更好的预测精确度;经PSO优化后的ELM模型,受隐含层节点数影响降低,稳定性增加,PSO-ELM模型更适用于爆破块度的预测。