基于灰色关联分析与GA-BP神经网络的拉斗铲生产能力预测

赵红泽; 王宇新; 李淋; 郭帅; 王金瑞; 任志辉

基于灰色关联分析与GA-BP神经网络的拉斗铲生产能力预测

摘要

摘要: 为了解决拉斗铲生产能力的测量问题,本文提出一种基于灰色关联结合GA-BP 神经网络的预测方法。对影响拉斗铲生产能力的12个因素进行灰色关联分析,选取实动时间、出动率、有效抛爆量和有效抛掷率4个灰色关联度大于0.7的影响因素作为输入变量,拉斗铲月生产能力作为输出变量,建立了GA-BP神经网络和BP 神经网络预测模型。结果表明,GA-BP 神经网络最大相对误差为8.786% ,平均相对误差为3.385% ,平均相对误差方差为0.0156,迭代次数为18次,各项性能均优于常规BP神经网络。 GA-BP神经网络模型对拉斗铲生产能力预测的泛化性能更好,精度更高,为拉斗铲生产能力的预测提供了一种较为有效的方法。

Abstract: Inordertosolvethemeasurementproblemoftheproductioncapacityofthedragline,apredictionmethodbasedongraycorrelationcombinedwithGA-BP neuralnetworkisproposed.Thegray correlationanalysisiscarriedoutonthe12influencingfactorsaffectingtheproductioncapacityofthe dragline,andtheactualworkinghours,the out rate,the effective casting blast amount,and effective throw-outrateareselected.Fourinfluencingfactorsgreaterthan0.7wereusedasinputvariablesand themonthlyproductioncapacityofthedraglinewasusedastheoutputvariabletoestablishGA-BPneu
ralnetworkandBPneuralnetworkpredictionmodel.Theresultsshowthatthemaximumrelativeerror ofGA-BPneuralnetworkis7.525%,theaveragerelativeerroris3.52%,theaverageerrorvarianceis 0.0156,andthenumberofiterationsis18times.TheperformanceisbetterthantheconventionalBP neuralnetwork.TheGA-BPneuralnetworkmodelprovidesbetterandmoreaccurategeneralizationperformancefortheproductioncapacityofthedragline,andprovidesamoreeffectivemethodforpredicting theproductioncapacityofthedragline.

HTML全文

参考文献(0)

施引文献

资源附件(0)