典型文献
基于BP神经网络的钢尾渣-矿渣基充填料强度预测
文献摘要：
为缩短充填实验周期,尽快找到最优充填原料配比,以正交试验和单因素试验结果为BP神经网络的训练样本,以不同原料的灰中占比、灰砂比为输入参数,以充填料的料浆扩展度、7 d和28 d抗压强度为输出结果,建立BP神经网络模型预测钢尾渣-矿渣基充填料强度;在钢渣配比16.0％条件下,采用建立的模型优化制备充填体.结果表明:在隐含层神经元为14个时,料浆扩展度、7 d和28 d抗压强度最大相对误差分别为0.36％,1.46％,2.23％,样本外充填料的7 d和28 d抗压强度平均相对误差为2.86％和1.36％,样本内外的误差均较小,模型预测精度较高、泛化能力较强;对于采用模型优化制备的充填体,其28 d抗压强度的预测值为2.16 MPa、实测值为2.13 MPa,两者相差较小,BP神经网络可用于预测充填料的抗压强度,对优化充填原料配比、减少充填实验工作量具有指导意义.
文献关键词：
钢尾渣;矿山充填;抗压强度;BP神经网络
中图分类号：
作者姓名：
昌欢;朱子康;顾宝澍;代梦博;袁邦兴;林振林;春铁军
作者机构：
安徽工业大学冶金工程学院,安徽马鞍山243032
文献出处：
引用格式：
[1]昌欢;朱子康;顾宝澍;代梦博;袁邦兴;林振林;春铁军-.基于BP神经网络的钢尾渣-矿渣基充填料强度预测)[J].安徽工业大学学报（自然科学版）,2022(03):256-261,267
A类：
B类：
钢尾渣,矿渣,填料,强度预测,填实,原料配比,单因素试验,训练样本,不同原料,灰砂比,输入参数,料浆,扩展度,抗压强度,输出结果,钢渣,模型优化,优化制备,充填体,隐含层,平均相对误差,泛化能力,实测值,实验工作,矿山充填
AB值：
0.288957
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。
