基于PCA-BP神经网络模型的充填体强度预测

来源：黄金科学技术杂志2016年第3期北京时间：

作者：史秀志，范玉乾，尚雪义

单位：中南大学资源与安全工程学院，湖南 长沙 410083

摘要：充填体强度预测对矿山充填设计具有重要意义。选取胶砂比、水泥、石灰、石膏及矿渣含量作为充填体强度影响因素，借助主成分分析（PCA）消除自变量间相关性，降低数据维数，再结合BP神经网络具有较好预测性的特点，建立了PCA-BP模型以预测充填体强度。对18组充填体试验数据进行主成分分析，5个影响因子降维为3个主成分，将其作为BP神经网络的输入因子，进而探讨了隐含层神经元个数对充填体强度训练和预测精度的影响，并比较了PCA-BP神经网络、标准BP神经网络和二次线性回归效果。结果表明：PCA-BP模型最佳预测结构为3-7-1；PCA-BP神经网络结果优于BP神经网络和二次线性回归；PCA-BP神经网络训练和预测的最大相对误差仅为3.65%，实现了充填体强度的准确预测。PCA-BP模型为充填体强度预测提供了一种高精度的分析方法。

关键词：充填体强度,预测模型,主成分分析,BP神经网络,相关系数

基金资助：国家科技支撑计划项目“复杂地下金属矿二步开采与回收技术”（编号：2013BAB02B05）资助