基于SVM模型的充填体强度与采场稳定性需求智能匹配研究

论文摘要

为解决矿山充填体强度的设计问题,提高矿山充填体的强度动态调整能力,本文通过调查国内百座矿山现场充填体强度的实际数据,采用支持向量机(SVM)方法建立充填体强度智能预测模型,对70组训练样本数据进行训练,采用BP神经网络模型与SVM模型的预测结果进行比较。结果表明:SVM预测模型的最大误差为3.52%,平均误差为2.41%;BP预测模型的最大误差为10.98%,平均误差为7.01%;SVM模型比BP模型预测精度更高,误差更小。采用SVM模型对三山岛金矿充填体强度进行预测,一步骤回采矿房充填体强度1.02MPa,推荐灰砂比1∶12,二步骤回采矿房充填体强度0.86 MPa,推荐灰砂比1∶16。现场采场充填效果良好,未发生充填体失稳现象。基于SVM的充填体强度智能匹配模型能够在满足采场稳定性的前提下,减少充填成本,提高矿山的经济效益。

论文目录

• 0 引言
• 1 支持向量机（SVM）基本原理
• 2 基于SVM充填体强度预测模型的建立
•   2.1 充填体强度选择的影响因素
•   2.2 样本数据及标准化处理
•   2.3 核函数及参数选择
•   2.4 数据仿真及误差分析
•   2.5 模型检验
• 3 三山岛金矿充填体强度匹配设计
• 4 结论

文章来源

类型: 期刊论文

作者: 白春红

关键词: 充填采矿法,支持向量机,充填体强度,智能匹配

来源: 中国矿业 2019年11期

年度: 2019

分类: 工程科技Ⅰ辑

专业: 矿业工程

单位: 阜新高等专科学校计算机与信息工程系

分类号: TD853.34

页码: 104-108

总页数: 5

文件大小: 313K

下载量: 104