10.11872/j.issn.1005-2518.2016.03.064
基于 PCA-BP 神经网络模型的充填体强度预测
充填体强度预测对矿山充填设计具有重要意义。选取胶砂比、水泥、石灰、石膏及矿渣含量作为充填体强度影响因素，借助主成分分析（PCA）消除自变量间相关性，降低数据维数，再结合 BP 神经网络具有较好预测性的特点，建立了 PCA-BP 模型以预测充填体强度。对18组充填体试验数据进行主成分分析，5个影响因子降维为3个主成分，将其作为 BP 神经网络的输入因子，进而探讨了隐含层神经元个数对充填体强度训练和预测精度的影响，并比较了 PCA-BP 神经网络、标准 BP 神经网络和二次线性回归效果。结果表明：PCA-BP 模型最佳预测结构为3-7-1；PCA-BP 神经网络结果优于 BP 神经网络和二次线性回归；PCA-BP神经网络训练和预测的最大相对误差仅为3.65%，实现了充填体强度的准确预测。PCA-BP 模型为充填体强度预测提供了一种高精度的分析方法。
充填体强度、预测模型、主成分分析、BP 神经网络、相关系数
24
TD323(矿山压力与支护)
国家科技支撑计划项目“复杂地下金属矿二步开采与回收技术”编号2013BAB02B05
2016-07-29（万方平台首次上网日期，不代表论文的发表时间）
共6页
64-69
