典型文献
基于粒子群优化算法的充填体单轴抗压强度预测研究
文献摘要：
为快速有效确定充填体单轴抗压强度,以灰砂比、固体含量和养护龄期作为输入因子,充填体单轴抗压强度作为输出因子,建立一种粒子群优化算法(PSO),对支持向量机(SVM)参数进行全局优化的预测模型.结果表明,该模型预测性能较好,相关系数高(训练集为0.996,测试集为0.993),均方误差值低(训练集为0.000 393,测试集为0.000 726 13);通过室内试验对采集的216个试样进行预测与对比,证明模型可以准确地预测充填体单轴抗压强度,大幅度减少物理试验量及缩短试验周期,为矿山充填提供一种新思路.
文献关键词：
粒子群优化算法;单轴抗压强度预测;充填体;支持向量机
中图分类号：
作者姓名：
黄晓红;崔贺佳;刘志义;刘利平;张凯月
作者机构：
华北理工大学信息工程学院,河北唐山063210;华北理工大学矿业工程学院,河北唐山063210;河北省矿业开发与安全技术重点实验室(华北理工大学),河北唐山063210
文献出处：
引用格式：
[1]黄晓红;崔贺佳;刘志义;刘利平;张凯月-.基于粒子群优化算法的充填体单轴抗压强度预测研究)[J].河南理工大学学报（自然科学版）,2022(03):32-37
A类：
单轴抗压强度预测
B类：
粒子群优化算法,充填体,预测研究,快速有效,灰砂比,固体含量,养护龄期,输出因子,PSO,全局优化,预测性能,训练集,集为,测试集,均方误差,误差值,室内试验,物理试验,试验周期,矿山充填
AB值：
0.214361
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
