基于深度信念网络的磷石膏充填材料强度预测

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.

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

所属期刊栏目：20

分类号：TD989(选矿)

资助基金：国家自然科学基金;江西省重点研究开发计划

在线出版日期：2020-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：7220-7225