基于MMAS-BP神经网络的粉煤灰膏体管道输送水力坡度预测

何荣军; 杜运夯; 吴再生

基于MMAS-BP神经网络的粉煤灰膏体管道输送水力坡度预测

计量
- 文章访问数: 163
- HTML全文浏览量: 0
- PDF下载量: 1
出版历程
- 发布日期: 2018-06-19

Prediction of Hydraulic Gradient of Fly Ash Paste Pipeline Transportation Based on MMAS-BP Neural Network

摘要

摘要: 水力坡度是粉煤灰膏体井下处理系统设计的重要参数，决定着能耗大小和运行成本。为掌握水力坡度的精确结果，将最大最小蚁群算法（MMAS）和BP神经网络结合应用于水力坡度的预测中，建立了水力坡度预测模型。经实践应用表明，该预测模型具有最大最小蚁群算法的快速收敛和全局性，又具有BP神经网络强大的映照效果，预测结果完全满足实际应用需要。
- 最大最小蚁群算法 /
- BP神经网络 /
- 粉煤灰膏体 /
- 管道输送 /
- 水力坡度 /
- 预测
Abstract: Hydraulic gradient is an important parameter in the design of coal ash paste underground treatment system, which determines the energy consumption and operation cost. In order to master the accurate results of hydraulic gradient, MAX-MIN ant system （ＭＭＡＳ） and BP neural network are applied to the prediction of hydraulic gradient. The prediction model of hydraulic gradient is established. The practical application shows that the model has fast convergence and global prediction of MAX-MIN ant system, and the strong mapping effect of BP neural network. The prediction results completely meet the needs of practical applications.
- MAX-MIN ant system /
- BP neural network /
- fly ash paste /
- pipeline transportation /
- hydraulic gradient /
- prediction

HTML全文

参考文献(18)

[1]	钱鸣高,许家林.科学采矿的理念与技术框架[J].中国矿业大学学报(社会科学版),2013,13(3):1-7.
[2]	吴爱祥,王勇,王洪江.膏体充填技术现状及趋势[J].金属矿山,2016(7):1-9.
[3]	王丽红,鲍爱华,罗园园.中国充填技术应用与展望[J].矿业研究与开发,2017(3):1-7.
[4]	何荣军,田仲喜,喻晓峰.基于正交试验的粉煤灰膏体输送水力坡度影响因素研究[J].煤矿安全,2017,48(3):44-47.
[5]	周华强,王俊卓,卢明银,等.基于膏体充填的煤矿绿色开采激励机制研究[J].工业工程,2011(6):113.
[6]	陈光国,夏建新.我国矿浆管道输送技术水平与挑战[J].矿冶工程,2015,35(2):29-33.
[7]	韦新东,纪宁,陆海.浆体管道运输阻力影响因素分析[J].中国资源综合利用,2015,33(6):54-57.
[8]	肖永生.粉煤灰充填材料管道输送特性及其应用研究[D].太原:太原理工大学,2016.
[9]	A Alajbegovi, A Assad, F BoneTTo, et al. Phase distribution and turbulence structure for solid/fluid upflow in a pipe[J]. International Journal of Multiphase Flow, 1994, 20(3):453-479.
[10]	田锋,尹连庆,王海龙.粉煤灰浓浆管道输送阻力计算的选择优化[J].内蒙古电力技术,2006(1):18.
[11]	J Cao, G Ahmadi. Gas-particle two-phase turbulent flow in a vertical duct[J]. International Journal of Multiphase Flow, 1995, 21(6): 1203-1228.
[12]	王新民,古德生,张钦礼. 深井矿山充填理论与管道输送技术[M]. 长沙:中南大学出版社,2010.
[13]	高洁.浓密膏体管道输送阻力计算方法研究[D].北京:中国矿业大学(北京),2013.
[14]	姜圣才,成秉任,温春莲.浆体管道输送技术在冶金矿山的应用前景[J].水力采煤与管道输送,2011(2):1-3.
[15]	朱大奇,史慧.人工神经网络原理及应用[M].北京:科学出版社,2006.
[16]	张翔,王佰顺,徐硕,等.基于PSO-BP的矿井淋水井筒风温预测[J].煤矿安全,2012,43(11): 178-181.
[17]	Hong Bingrong, Jin Feihu, Guo Qi. Hopfield neural network based on ant system [J]. Journal of Harbin Institute of Technology: New Series, 2004, 11(3): 267.
[18]	王沥,邝育军.一种基于蚁群算法的BP 神经网络优化方法[J].新型工业化,2012,2(4):8-15.

施引文献

资源附件(0)

计量

文章访问数: 163
HTML全文浏览量: 0
PDF下载量: 1
被引次数: 0

基于MMAS-BP神经网络的粉煤灰膏体管道输送水力坡度预测

计量

出版历程

Prediction of Hydraulic Gradient of Fly Ash Paste Pipeline Transportation Based on MMAS-BP Neural Network

计量

出版历程

目录