基于核主成分分析和粒子群优化神经网络的充填体强度预测

以磷石膏、粉煤灰、磷渣等为主要原材料制备磷石膏胶结充填体,分析了主要原材料的理化特性,测定了磷石膏胶结充填体28d单轴抗压强度。通过核主成分分析对磷石膏胶结充填体单轴抗压强度影响因子进行非线性特征提取,基于获得的主成分构建粒子群优化BP人工神经网络(PSO-BP-ANN)预测模型。结果表明,核主成分分析能较好地实现充填体单轴抗压强度影响因子非线性特征的提取和降维的目的,同时,PSO-BP-ANN模型训练和预测值可决系数分别为0.995和0.991,均方根误差分别为3.660E-4和5.805E-2,平均相对误差分别为1.699%和3.602%,总体性能表现优于传统BP-ANN模型,对矿山充填体的配比设计具有指导意义。