极限训练机在矿山开采最大下沉值估算中的应用

摘要：

矿山开采过程中采空区地表往往会发生形变,研究其最大下沉值对安全生产具有重要意义,现有的开采最大下沉估算方法还有提升的空间.基于岩移数据决策与极限训练机(Extreme learning machine, ELM)算法,提出了一种估计最大下沉的新方法.该方法将采厚、倾角、平均采深、走向长度、倾向长度和覆岩岩性确定为最大下沉值影响因素;应用以Sigmoid方程为核函数、隐含层神经元个数为114的ELM模型对最大下沉值进行了估算.通过案例分析,ELM模型得到了优于传统算法如CHAID、Boosted Tree、ANN、BPNN和SVM的RMSE、MAE、MAPE、最大残差及秩相关系数,故认为该模型是一种有效的矿山开采最大下沉估算方法.

关键词：最大下沉值估算、岩移数据决策、极限训练机、矿山开采

所属期刊栏目：48

分类号：TN9;G48

在线出版日期：2017-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：68-72