基于BP神经网络的钢尾渣-矿渣基充填料强度预测

摘要

为缩短充填实验周期,尽快找到最优充填原料配比,以正交试验和单因素试验结果为BP神经网络的训练样本,以不同原料的灰中占比、灰砂比为输入参数,以充填料的料浆扩展度、7 d和28 d抗压强度为输出结果,建立BP神经网络模型预测钢尾渣-矿渣基充填料强度;在钢渣配比16.0%条件下,采用建立的模型优化制备充填体。结果表明:在隐含层神经元为14个时,料浆扩展度、7 d和28 d抗压强度最大相对误差分别为0.36%,1.46%,2.23%,样本外充填料的7 d和28 d抗压强度平均相对误差为2.86%和1.36%,样本内外的误差均较小,模型预测精度较高、泛化能力较强;对于采用模型优化制备的充填体,其28 d抗压强度的预测值为2.16 MPa、实测值为2.13 MPa,两者相差较小,BP神经网络可用于预测充填料的抗压强度,对优化充填原料配比、减少充填实验工作量具有指导意义。