来源：期刊VIP网 时间：
作者：岳中文;刘增辉;鲍周琦;金圆;王光胜;
单位：中国矿业大学(北京)力学与建筑工程学院;淮南矿业(集团)有限责任公司煤业分公司;
摘要：为了准确预测岩巷的爆破块度、衡量爆破效果，运用主成分分析(PCA)对爆破数据进行降维，引入基于随机惯性权重改进的粒子群算法(IPSO)以平衡全局寻优和局部寻优能力、优化极限学习机(ELM)的输入权值和隐含层阈值，建立PCA-IPSO-ELM预测模型，并在淮南顾北煤矿进行应用。结果表明：PCA-IPSO-ELM模型爆破块度预测和现场实测结果基本一致，其均方根误差值仅为0.740 2,与BP神经网络和PCA-PSO-ELM模型对比依次降低了79.76%和31.70%。PCA-IPSO-ELM模型的决定系数为0.978 9,相比于BP神经网络的0.921 5和PCA-PSO-ELM模型的0.969 2,依次增加了6.24%和1.01%。PCA-IPSO-ELM预测模型具有较高的精度和较好的稳定性，能够为岩巷爆破参数的设计提供依据。
关键词：块度预测;;主成分分析;;粒子群算法;;极限学习机
基金资助：国家自然科学基金资助项目(No.51974318)
