[发明专利]一种基于神经网络优化遗传算法的爆破方案选择方法在审
申请号: | 201310023238.1 | 申请日: | 2013-01-23 |
公开(公告)号: | CN103778469A | 公开(公告)日: | 2014-05-07 |
发明(设计)人: | 张洋;王雨虹;刘涛 | 申请(专利权)人: | 辽宁工程技术大学 |
主分类号: | G06N3/08 | 分类号: | G06N3/08;G06N3/12 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 123000 辽*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 神经网络 优化 遗传 算法 爆破 方案 选择 方法 | ||
1. 一种基于神经网络优化遗传算法的爆破方案选择方法,其特征在于,使用的ANN为前馈式神经网络,通过GA优化BB和FR,首先收集数据用于训练和验证模型,炮眼深(HL)、间距(S)、装药深度(B)、阻塞深度(ST)、单位炸药消耗量(PF)和钻孔率(SD)作为其输入值,将超爆(BB)和飞石(FR)作为输出值(后文使用简称),将训练后最优ANN作为GA的适应度函数,对爆破参数方案进行优化,最后针对二维优化问题,使用Pareto图确定最安全经济的爆破参数方案,本发明露天矿开采工程中的爆破方案优化选择。
2.根据权利要求1所述的神经网络,其特征在于,前馈式神经网络(FFNN),使用双曲线正切S传递函数和线性传输函数组成的两层神经网络。
3.根据权利要求2所述的前馈式神经网络神经网络,其特征在于,隐含层中神经元的估计数量取 的最小值。
4.根据权利要求2所述的隐含层中神经元的估计数量,其特征在于,估计式的取值:ni、n0和nt分别是输入神经元数量、输出神经元数量和训练样本数量,ni =2、n0 =1、nt =35(50×70%,50是最小的实验次数);k是噪声系数,k=4;;是越界常量,=1.25。
5.根据权利要求1所述的神经网络,其特征在于,神将网络输入值和输出值应进行规格化,即这些值按照相应的算法落在[-1,1]内,规格化公式为:
式中:x’是规格化后的值,xmax和xmin分别为被规格化实验数据数列中的最大值和最小值。
6.根据权利要求1所述的神经网络,其特征在于,收集数据用于训练和验证模型,炮眼深(HL)、间距(S)、装药深度(B)、阻塞深度(ST)、单位炸药消耗量(PF)和钻孔率(SD)作为其输入值,将超爆(BB)和飞石(FR)作为输出值,数据(HL,S,B,ST,PF,SD,BB,FR)一共为100组,随机分成训练集(80%)和测试集(20%)。
7.根据权利要求1所述的遗传算法,其特征在于,GA的适函数是的基于ANN构造,误差是通过均方误差(MSE)和决定系数(r2)作为评价指标来判定的。
8.根据权利要求1所述的爆破方案选择方法,其特征在于,基于GA的爆破方案参数选优,使用训练后的ANN作为GA适应度函数,优化的输入值及其范围是设定的,初始种群数与ANN的数据集数量相等,染色体的长度和基因值是由MATLAB自动设定的。
9.根据权利要求8所述的染色体,其特征在于,染色体的评价是由经过上步训练得到的ANN作为适应性函数完成的,如果评价后的染色体满足停止遗传的条件,那么确定最终代数的染色体进行Pareto图分析,最后对应BB和FR最小的染色体即为最优解。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于辽宁工程技术大学,未经辽宁工程技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201310023238.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:儿童推车
- 下一篇:一种制备珊瑚红色麦秸秆染料的配方及生产方法