用于研究纤维尾砂胶结充填材料单轴压缩性能的新型人工智能模型

用于研究纤维尾砂胶结充填材料单轴压缩性能的新型人工智能模型

为降低纤维尾砂胶结充填材料单轴压缩强度数据的获取难度,综合分析常规充填材料参数与纤维参数对其单轴压缩性能的影响,结合元启发式算法(樽海鞘算法,SSA)与极限学习机技术(ELM),提出一种新型人工智能模型(SSA-ELM).为检验模型可靠性,开展720组不同灰砂质量比、固体质量浓度、纤维含量、纤维长度和养护时间的纤维尾砂胶结充填材料单轴抗压实验以建立充填材料强度性能数据库.研究结果表明,训练好的SSA-ELM模型能够准确地预测纤维尾砂胶结充填材料的单轴压缩强度,其性能优于ANN、SVR和ELM方法;纤维含量和纤维长度对纤维尾砂胶结充填材料单轴压缩性能具有重要影响....

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:中国有色金属学报（英文版） 2021, Vol.31 (4), p.1087-1102
Hauptverfasser: 喻智, 史秀志, 陈新, 周健, 齐冲冲, 陈秋松, 饶帝军
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:为降低纤维尾砂胶结充填材料单轴压缩强度数据的获取难度,综合分析常规充填材料参数与纤维参数对其单轴压缩性能的影响,结合元启发式算法(樽海鞘算法,SSA)与极限学习机技术(ELM),提出一种新型人工智能模型(SSA-ELM).为检验模型可靠性,开展720组不同灰砂质量比、固体质量浓度、纤维含量、纤维长度和养护时间的纤维尾砂胶结充填材料单轴抗压实验以建立充填材料强度性能数据库.研究结果表明,训练好的SSA-ELM模型能够准确地预测纤维尾砂胶结充填材料的单轴压缩强度,其性能优于ANN、SVR和ELM方法;纤维含量和纤维长度对纤维尾砂胶结充填材料单轴压缩性能具有重要影响.
ISSN:1003-6326
DOI:10.1016/S1003-6326(21)65563-2