基于神经网络与遗传算法的多目标充填料浆配比优化

基于神经网络与遗传算法的多目标充填料浆配比优化.pdf
随着充填法在地下矿山开采中的应用越来越广,在满足充填体强度要求的情况下,寻找生产成本最低的充填料浆配比对于矿山生产经营十分重要.基于人工神经网络和遗传算法提出了一种新的充填料浆配比优化方法.首先,以水泥质量分数、粉煤灰质量分数和尾砂质量分数3个充填料浆配比参数为优化参数,以充填体强度为优化目标,建立了3-9-1的BP神经网络,并基于遗传算法对BP神经网络进行优化,建立起预测精度更高的GA_BP神经网络.然后,将预测精度更高的GA_BP神经网络作为适应度函数,结合成本计算函数,通过遗传算法进行多目标优化以获取最优的充填料浆配比参数.结果表明:当充填体抗压强度为1.5MPa时的成本最低,充填料浆配比组合为水泥质量分数为8％,粉煤灰质量分数为2.3％,尾砂质量分数为66.3％,最低成本为29.3元/t,优化结果与实际情况一致.
作者：肖文丰陈建宏陈毅王喜梅
作者单位：中南大学资源与安全工程学院,湖南长沙410083
母体文献：第八届黄金科学技术论坛论文集
会议名称：第八届黄金科学技术论坛  
会议时间：2019年8月22日
会议地点：江西赣州
主办单位：中科院,山东黄金集团有限公司,山东招金集团
语种：chi
分类号：
关键词：地下矿山开采  充填料浆配比  抗压强度  神经网络  遗传算法
在线出版日期：2019年11月29日
基金项目：
相似文献
相关博文

2024-12-3 20:14 上传 基于神经网络与遗传算法的多目标充填料浆配比优化.pdf

文件大小:

1.47 MB

下载次数:

60

高速下载