首页|基于改进粒子群算法的LM神经网络模型预测爆破块度

基于改进粒子群算法的LM神经网络模型预测爆破块度

Prediction of Burst Fragmentation by LM Neural Network Model Based on Improved Particle Swarm Optimization Algorithm

扫码查看
原文链接
  • 维普
  • 万方数据
矿岩爆破块度是对爆破效果进行定量评价的重要指标,它直接影响到矿山各后续生产工序的效率和采矿生产的总成本.在解决这类动态非线性问题时,需要考虑爆破效果与影响参数之间的复杂关系.论文提出了一种改进粒子群算法的LM(Levenberg-Marquardt,莱文贝格-马夸特)神经网络模型,通过改进粒子群算法可提高LM神经网络对缺陷属性识别的计算精度,从而实现对爆破效果的预测.通过临江冷堡子硅石矿现场爆破实验实例,验证了该神经网络模型及计算方法的可行性及实用性.

LM algorithmparticle swarm optimizationblasting technologyblasting lumpiness prediction

马炳德、张雄天、赵尔丞

展开 >

兰州有色冶金设计研究院有限公司,兰州 730000

LM算法 粒子群算法 爆破技术 爆破块度预测

2024

10.3963/j.issn.1674-6066.2024.01.027

建材世界
武汉理工大学

建材世界

影响因子：0.869
ISSN：1674-6066
年,卷(期)：2024.45(1)
  • 14