基于ELM的尾矿坝浸润线预测

摘要：

为了进行尾矿坝浸润线预测,提出一种极限学习机(ELM)方法.ELM网络能够很好地描述浸润线与其影响因素的非线性关系,将最小干滩长度、库水位、渗流量、竖直位移、水平位移5个主要因素作为ELM网络的输入,浸润线埋深作为网络的输出.为了提高ELM的预测准确性,利用均方误差指标选取归一化方法、激活函数、隐含层节点个数,最终确定最大值归一化方法预处理数据,输入5-9-1 ELM网络,选取激活函数为sin型函数进行浸润线预测.同时选取BP神经网络,采用相同的归一化方法和网络形式进行对比.结果表明ELM模型在浸润线短期预测中可行性更高,预测精度佳.

关键词：浸润线预测、极限学习机、尾矿坝、归一化、均方误差

所属期刊栏目：11

分类号：TD926.4(选矿)

资助基金：辽宁科技大学研究生科技创新项目LKDYC201922

在线出版日期：2021-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：103-109