偏最小二乘回归神经网络模型在爆破振动峰值速度预测中的应用

摘要：

神经网络方法是处理非线性问题的有力工具,但当输入变量较多,输入变量间存在的多重共线性性会使得网络的建模效率下降.偏最小二乘回归方法通过提取对因变量解释性较强的成分,能较好地克服变量间的多重共线性.将两种方法相结合,建立了爆破振动峰值速度的偏最小二乘回归BP神经网络预测模型.利用偏最小二乘法对影响爆破振动的因素进行分析,提取出3个新综合变量,使BP网络的输入层节点数目由9个减少到3个,简化了网络结构,提高了计算速度,增强了网络稳定性.分析结果表明,耦合模型的平均预测误差为7.62％,相较于传统的萨氏公式及标准的BP神经网络模型其预测精度有了明显提高.

关键词：爆破振速、多重共线性、偏最小二乘回归、BP神经网络

所属期刊栏目：32

分类号：TD235(矿山设计与建设)

在线出版日期：2013-07-26（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：45-49