DOI number:
10.13637/j.issn.1009-6094.2021.0421
Key Words:
安全工程;;矿浆管道;;临界流速;;麻雀搜索算法(SSA);;卷积神经网络(CNN)
Abstract:
针对长距离矿浆管道临界流速计算难度大、传统经验公式预测精度低且适用性差等问题，提出了一种基于麻雀搜索算法(SSA)-卷积神经网络(CNN)的矿浆管道临界流速预测模型。首先，分析矿浆管道临界流速的影响因素，选取4个主要影响因素作为模型特征；然后，利用SSA算法对CNN模型中的8个超参数进行迭代寻优，消除人为设置参数的不确定性；最后，将优化后的CNN模型用于临界流速的预测，以某一水平矿浆管道试验段为例进行实证研究。结果表明，SSA-CNN模型残差平方和为0.028 3,平均绝对百分误差为4.19%,平均绝对误差为0.054 0,与LSSVM、SSA-BP和CNN模型相比，该模型的预测精度更高，学习和泛化能力更强，为矿浆管道输送研究提供了一种新思路。
Paper Publications
