基于PCA和改进BP组合预测模型的矿岩可爆性研究

摘要：

为了更精确地对矿岩可爆性进行预测分级，对BP神经网络评价方法进行优化，建立了主成分分析法和改进BP神经网络相结合的矿岩可爆性分级评价模型。以具体矿山为例，考虑影响矿岩可爆性的10项评判指标，统计15个实际矿山的样本数据。利用SPSS软件对样本数据进行主成分分析，将输出结果作为改进BP神经网络的输入因子，矿岩的爆破等级作为输出因子，得到的分级预测结果更加准确且精度更高。结果表明：该模型对矿岩可爆性分级的相对误差都控制在6%以内，与未经主成分分析的BP神经网络预测误差相比，预测精度显著提高。该组合预测模型为矿岩的可爆性分级提供了一种更加完善的评价体系。

关键词：矿岩可爆性预测、评判指标、预测精度、组合模型、评价体系

所属期刊栏目：33

分类号：TD235.1(矿山设计与建设)

资助基金：国家科技支撑计划项目2013BAB02B05

在线出版日期：2016-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：19-25,83