充填管道磨损风险的KPCA-PSO-GRNN评估模型及应用

• 作者: 李晓晨 聂兴信
• 来源期刊: 有色金属工程
• 学科: 工学
• 关键词: 核主成分分析(KPCA) 粒子群优化(PSO)算法 广义回归神经网络(GRNN) 充填管道 磨损风险评估
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 地质采矿与安全工程
• 页码范围: 84-92
• 页数: 9页
• 分类号: TH117.1
• 字数: 3800字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-1744.2019.02.015

摘要

针对影响充填管道磨损风险因素的复杂性和不确定性,为更加科学准确的预测充填管道的磨损状况,减少由管道磨损带来的矿山损失,构建了一种基于核主成分分析(KPCA)和粒子群算法(PSO)优化广义回归神经网络(GRNN)的充填管道磨损风险评估模型.建立充填管道磨损风险评估指标体系,运用KPCA,对数据进行特征提取,将其结果作为GRNN的输入,采用PSO算法优化选取GRNN的光滑因子,完成GRNN的训练和学习,将该模型应用于国内某矿山充填管道的磨损风险评估中,并与其它模型进行对比.结果 表明,利用该模型可以准确的预测充填管道磨损风险等级,与实际情况相一致.工程应用实例表明,所建模型预测精度更高,适用性更好,对充填管道的磨损评估具有较好的借鉴意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	聂兴信	西安建筑科技大学管理学院	33	163	8.0	12.0
2	李晓晨	西安建筑科技大学管理学院	3	10	2.0	3.0