[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)優(yōu)化遺傳算法的爆破方案選擇方法

在審

• 申請?zhí)枺?/td>: 201310023238.1
• 申請日: 2013-01-23
• 公開（公告）號: CN103778469A
• 公開（公告）日: 2014-05-07
• 發(fā)明（設(shè)計）人: 張洋;王雨虹;劉濤
• 申請（專利權(quán)）人: 遼寧工程技術(shù)大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/12
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.?一種基于神經(jīng)網(wǎng)絡(luò)優(yōu)化遺傳算法的爆破方案選擇方法，其特征在于，使用的ANN為前饋式神經(jīng)網(wǎng)絡(luò)，通過GA優(yōu)化BB和FR，首先收集數(shù)據(jù)用于訓練和驗證模型，炮眼深(HL)、間距(S)、裝藥深度(B)、阻塞深度(ST)、單位炸藥消耗量(PF)和鉆孔率(SD)作為其輸入值，將超爆(BB)和飛石(FR)作為輸出值（后文使用簡稱）,將訓練后最優(yōu)ANN作為GA的適應(yīng)度函數(shù)，對爆破參數(shù)方案進行優(yōu)化,最后針對二維優(yōu)化問題，使用Pareto圖確定最安全經(jīng)濟的爆破參數(shù)方案，本發(fā)明露天礦開采工程中的爆破方案優(yōu)化選擇。

2.根據(jù)權(quán)利要求1所述的神經(jīng)網(wǎng)絡(luò)，其特征在于，前饋式神經(jīng)網(wǎng)絡(luò)（FFNN），使用雙曲線正切Ｓ傳遞函數(shù)和線性傳輸函數(shù)組成的兩層神經(jīng)網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求2所述的前饋式神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)，其特征在于，隱含層中神經(jīng)元的估計數(shù)量取???????????????????????????????????????????????的最小值。

4.根據(jù)權(quán)利要求2所述的隱含層中神經(jīng)元的估計數(shù)量，其特征在于，估計式的取值：n_i、n₀和n_t分別是輸入神經(jīng)元數(shù)量、輸出神經(jīng)元數(shù)量和訓練樣本數(shù)量，n_i?=2、n₀?=1、n_t?=35（50×70%，50是最小的實驗次數(shù)）；k是噪聲系數(shù)，k=4;；是越界常量，=1.25。

5.根據(jù)權(quán)利要求1所述的神經(jīng)網(wǎng)絡(luò)，其特征在于，神將網(wǎng)絡(luò)輸入值和輸出值應(yīng)進行規(guī)格化，即這些值按照相應(yīng)的算法落在[-1,1]內(nèi)，規(guī)格化公式為：

式中：x^’是規(guī)格化后的值，x_max和x_min分別為被規(guī)格化實驗數(shù)據(jù)數(shù)列中的最大值和最小值。

6.根據(jù)權(quán)利要求1所述的神經(jīng)網(wǎng)絡(luò)，其特征在于，收集數(shù)據(jù)用于訓練和驗證模型，炮眼深(HL)、間距(S)、裝藥深度(B)、阻塞深度(ST)、單位炸藥消耗量(PF)和鉆孔率(SD)作為其輸入值，將超爆(BB)和飛石(FR)作為輸出值，數(shù)據(jù)(HL,S,B,ST,PF,SD,BB,FR)一共為100組,隨機分成訓練集（80%）和測試集（20%）。

7.根據(jù)權(quán)利要求1所述的遺傳算法，其特征在于，GA的適函數(shù)是的基于ANN構(gòu)造，誤差是通過均方誤差（MSE）和決定系數(shù)（r²）作為評價指標來判定的。

8.根據(jù)權(quán)利要求1所述的爆破方案選擇方法，其特征在于，基于GA的爆破方案參數(shù)選優(yōu)，使用訓練后的ANN作為GA適應(yīng)度函數(shù)，優(yōu)化的輸入值及其范圍是設(shè)定的，初始種群數(shù)與ANN的數(shù)據(jù)集數(shù)量相等，染色體的長度和基因值是由MATLAB自動設(shè)定的。

9.根據(jù)權(quán)利要求8所述的染色體，其特征在于，染色體的評價是由經(jīng)過上步訓練得到的ANN作為適應(yīng)性函數(shù)完成的，如果評價后的染色體滿足停止遺傳的條件，那么確定最終代數(shù)的染色體進行Pareto圖分析，最后對應(yīng)BB和FR最小的染色體即為最優(yōu)解。

?