The invention discloses a soft measuring method for rock and rock strength optimized by gravity searching. The invention adopts the support vector machine as a soft measuring model for the strength of the ore rock, and uses the gravitational search algorithm to optimize the training parameters of the support vector machine. In the gravitational search algorithm, the first implementation of the basic operators of gravitational search algorithm, and then select a random individual, and the implementation of the best individual oriented local search operation, thereby enhancing the performance of the algorithm, improve the accuracy of soft measurement model. The invention can improve the soft measuring precision of the ore rock strength and improve the measuring efficiency of the ore rock strength.
【技术实现步骤摘要】
引力搜索优化的矿岩强度软测量方法
本专利技术涉及矿岩强度测量领域,尤其是涉及一种引力搜索优化的矿岩强度软测量方法。
技术介绍
掌握矿岩的强度在采矿工程中具有非常重要的实践意义。在采矿工程中,人们常常采用直接测定法来掌握矿岩的强度,但直接测定法往往需要花费大量的人力和物力,并且耗时比较长,其效率还有待于提升。针对直接测定矿岩强度方法存在的这些缺点,人们提出了矿岩强度软测量方法,该方法通过测量出一些与矿岩强度密切相关且易于测量的指标,然后建立起这些指标与矿岩强度的数学关系,通过建立起来的数学模型计算出矿岩强度。矿岩强度软测量方法能够降低人力和物力成本,并且能够结合计算机监控技术实现无间断实时测量,有效地提高测量的响应速度。由于矿岩强度软测量方法具有很多优点,许多学者提出了各种各样的矿岩强度软测量方法,例如冯夏庭和赵洪波利用支持向量机建立了岩爆识别模型,实验表明建立的模型能够在一定程度上较好地预测岩爆(冯夏庭,赵洪波.岩爆预测的支持向量机[J].东北大学学报,2002,01:57-59.);邱景平等利用粒子群优化算法对支持向量机进行优化设计,从而建立起矿岩强度的软测量模型(邱景平,邢军,姜谙男,孙晓刚.基于粒子群支持向量机的矿岩强度指标的超声预测[J].东北大学学报(自然科学版),2012,05:731-734);崔铁军等利用神经网络来实现矿岩强度软测量(崔铁军,马云东,肖晓春.基于神经网络的岩石强度准则研究[J].华中师范大学学报(自然科学版),2014,48(01):131-135)。从现有的研究成果中可知,许多研究人员已经利用了支持向量机来建立矿岩强度的软 ...
【技术保护点】
一种引力搜索优化的矿岩强度软测量方法,其特征在于,包括以下步骤:步骤1,在需要软测量的区域内采集MR个矿岩试件,然后通过试验测量出每个矿岩试件的吸水率、干密度、波阻抗、动泊松比、动弹性模量以及抗压强度,将试验所测量出来的数据作为样本数据集;然后对样本数据集进行归一化处理;步骤2,用户初始化种群大小Popsize,最大评价次数MAX_FEs;步骤3,令当前演化代数t=0,当前评价次数FEs=0,支持向量机的优化设计参数个数D=3;步骤4,设置支持向量机的输入变量为矿岩试件的归一化的吸水率、干密度、波阻抗、动泊松比、动弹性模量,且输出为矿岩试件的归一化的抗压强度;步骤5,设置支持向量机的D个优化设计参数的下界LBj和上界UBj,其中维度下标j=1,2,3;步骤6,随机产生初始种群
【技术特征摘要】
1.一种引力搜索优化的矿岩强度软测量方法,其特征在于,包括以下步骤:步骤1,在需要软测量的区域内采集MR个矿岩试件,然后通过试验测量出每个矿岩试件的吸水率、干密度、波阻抗、动泊松比、动弹性模量以及抗压强度,将试验所测量出来的数据作为样本数据集;然后对样本数据集进行归一化处理;步骤2,用户初始化种群大小Popsize,最大评价次数MAX_FEs;步骤3,令当前演化代数t=0,当前评价次数FEs=0,支持向量机的优化设计参数个数D=3;步骤4,设置支持向量机的输入变量为矿岩试件的归一化的吸水率、干密度、波阻抗、动泊松比、动弹性模量,且输出为矿岩试件的归一化的抗压强度;步骤5,设置支持向量机的D个优化设计参数的下界LBj和上界UBj,其中维度下标j=1,2,3;步骤6,随机产生初始种群其中个体下标i=1,2,...,Popsize,并且为种群Pt中的第i个个体,其随机初始化公式为:其中维度下标j=1,2,3,并且表示第i个个体的位置,存储了支持向量机的D个待优化设计参数的值,即是支持向量机的惩罚因子C,是支持向量机的径向基核参数g,是支持向量机的不敏感损失函数中参数ε;表示第i个个体在每一维上的速度大小;rand(0,1)为在[0,1]之间服从均匀分布的随机实数产生函数;步骤7,计算种群Pt中所有个体的适应值;步骤8,令当前评价次数FEs=FEs+Popsize;步骤9,保存种群Pt中的最优个体Bestt;步骤10,按以下公式计算当前引力常数Gt:其中exp表示以自然常数e为底的指数函数;步骤11,按以下公式计算当前精英个体数量KBest:步骤12,计算种群Pt中所有个体的质量;步骤13,利用KBest个精英个体和引力常数Gt计算种群Pt中每个个体所受到的引力;步骤14,更新种群Pt中所有个体的加速度和速度;步骤15,更新种群Pt中所有个体...
【专利技术属性】
技术研发人员:郭肇禄,王洋,邓志娟,谢亮亮,董姗燕,刘小生,余法红,
申请(专利权)人:江西理工大学,
类型:发明
国别省市:江西,36
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。