基于深度信念网络的磷石膏充填材料强度预测

• 作者: 张安安 邓芳明
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 磷石膏 抗压强度 强度预测 量子粒子群优化算法 深度信念网络
• 年，卷（期）: 2020,（18）
• 所属期刊栏目: 矿冶工程
• 页码范围: 7220-7225
• 页数: 6页
• 分类号: TD989
• 字数: 3849字
• 语种: 中文

摘要

针对目前现有的强度预测方法精度低,提出提取输入参数的深层连接的深度信念网络(DBN)强度预测模型,并采用量子粒子群优化算法(quantum particle swarm optimization,QPSO)来确定DBN的隐含层节点个数和学习率.为获得最优的预测性能,以充填材料的成分及其尺寸作为基于DBN的预测模型的输入,输出充填材料的抗压强度.实验结果显示,该预测方法仅用了1.89 s的预测时间且精度达到99.84％,相比于广泛应用的BP神经网络、RVM(relevance vector machine)、SVM(sup-port vector machine)三种算法在精度和时间上都有显著提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓芳明	华东交通大学电气与自动化工程学院	39	212	8.0	13.0
2	张安安	江西省科学院能源研究所	19	28	3.0	4.0