基于粒子群优化算法和ANFIS的 矿体品位插值

摘要：

地质模型在矿产勘探与开发中具有重要作用,但在矿山生产实践中,由于成本和技术等诸多因素影响,很难获得整个区块的地质数据,而且传统插值方法依靠经验确定参数有很大局限性.提出将粒子群优化算法(PSO)和自适应神经模糊推理系统(ANFIS)应用到矿体品位插值中,利用粒子群优化算法的快速搜索能力,神经网络的学习机制和模糊系统的语言推理能力等优势构建PSO-ANFIS品位插值模型,并借助MATLAB生成571组样本数据作为输入空间对模型进行训练,其中每一个训练样本由待估点三维坐标及真实值和其周围8个样品点组成,最后用训练后的PSO-ANFIS模型对待估点进行品位插值,并与距离幂次反比插值法进行对比,其均方根误差(RMSE)提高了近15％,验证了该模型的可行性和有效性.

关键词：矿石品位、空间插值、粒子群优化算法、自适应模糊神经推理系统、优化

所属期刊栏目：29

分类号：TD853(矿山开采)

资助基金：国家重点研发计划项目2017YFC0602905

在线出版日期：2019-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：194-202