维普
万方数据
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
马炳德 1张雄天 1赵尔丞1
作者信息
- 1. 兰州有色冶金设计研究院有限公司,兰州 730000
- 折叠
摘要
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.
关键词
LM算法/粒子群算法/爆破技术/爆破块度预测Key words
LM algorithm/particle swarm optimization/blasting technology/blasting lumpiness prediction引用本文复制引用
出版年
2024