10.11835/j.issn.1000-582X.2019.02.012
露天矿卡车外排土场内部运距预测模型
为有效提高外排土场物料移运规划中运输功能耗模型的精度,以建立更为详细的排弃物料堆置次序优化、规划模型,针对年末排土计划中尚缺乏逐条带运距推估方法的问题展开研究,提出一种采用极限学习机算法(ELM)训练多元非线性运距曲线的预测模型,并将年末排土工程计划位置上已设计运输线路的排土条带作为训练样本,训练预测模型学习运距与影响因子间的时变特征,最终通过非线性运距表达推估待排物料块体的时变运距.为进一步增强ELM算法的预测精度,利用改进粒子群算法建立基于结构风险最小化的参数优化算法,改善了传统经验风险最小化算法的泛化能力,提高了算法预测精度.研究结果表明:采用模拟试算图解法最终确定ELM模型隐含层节点数为27;仿真测试中得出文中算法预测精度评价指标分别为均方误差0.0068、拟合优度0.9953、相对误差期望0.027%、绝对误差期望0.62、错估系数0.03、执行效率1.49 s;对比多组智能算法预测模型,其绝对误差分别0.1162、0.0947、0.1391,其错估系数分别为0.230、0.200、0.266,算法明显具有更好的预测效果.
卡车外排土场、运距预测、极限学习机算法、改进粒子群算法
42
TD713(矿山安全与劳动保护)
国家自然科学基金资助项目51304104;辽宁省教育厅基金资助项目LJYL038,LJ2017FAL015;辽宁省煤炭资源安全开采与洁净利用工程研究中心开放基金资助项目TU15KF07
2019-04-19(万方平台首次上网日期,不代表论文的发表时间)
共11页
112-122