露天矿卡车外排土场内部运距预测模型

作     者：白润才 柴森霖 刘光伟 付恩三 赵景昌 曹博 BAI Runcai;CHAI Senlin;LIU Guangwei;FU Ensan;ZHAO Jingchang;CAO Bo

作者机构：辽宁工程技术大学辽宁省高等学校矿产资源开发利用技术及装备研究院辽宁阜新123000 辽宁工程技术大学矿业学院辽宁阜新123000 中华人民共和国应急管理部信息研究院北京100029 

基　　金：国家自然科学基金资助项目(51304104) 辽宁省教育厅基金资助项目(LJYL038 LJ2017FAL015) 辽宁省煤炭资源安全开采与洁净利用工程研究中心开放基金资助项目(TU15KF07) 

出 版 物：《重庆大学学报（自然科学版）》 (Journal of Chongqing University)

年 卷 期：2019年第42卷第2期

页      码：113-123页

摘      要：为有效提高外排土场物料移运规划中运输功能耗模型的精度,以建立更为详细的排弃物料堆置次序优化、规划模型,针对年末排土计划中尚缺乏逐条带运距推估方法的问题展开研究,提出一种采用极限学习机算法(ELM)训练多元非线性运距曲线的预测模型,并将年末排土工程计划位置上已设计运输线路的排土条带作为训练样本,训练预测模型学习运距与影响因子间的时变特征,最终通过非线性运距表达推估待排物料块体的时变运距。为进一步增强ELM算法的预测精度,利用改进粒子群算法建立基于结构风险最小化的参数优化算法,改善了传统经验风险最小化算法的泛化能力,提高了算法预测精度。研究结果表明:采用模拟试算图解法最终确定ELM模型隐含层节点数为27;仿真测试中得出文中算法预测精度评价指标分别为均方误差0.006 8、拟合优度0.995 3、相对误差期望0.027%、绝对误差期望0.62、错估系数0.03、执行效率1.49s;对比多组智能算法预测模型,其绝对误差分别0.116 2、0.094 7、0.139 1,其错估系数分别为0.230、0.200、0.266,算法明显具有更好的预测效果。

主 题 词：卡车外排土场 运距预测 极限学习机算法 改进粒子群算法 

学科分类：12[管理学] 081901[081901] 1201[管理学-管理科学与工程类] 0819[工学-海洋工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11835/j.issn.1000-582X.2019.02.012

馆 藏 号：203458793...