[1]余罗兼,童昕,沈国浪,等.运用GA-SVM模型的砂石骨料分类方法[J].华侨大学学报(自然科学版),2020,41(2):137-141.[doi:10.11830/ISSN.1000-5013.201908011]
　YU Luojian,TONG Xin,SHEN Guolang,et al.Research on Classification Method of Sand and Stone Aggregate Based on GA-SVM[J].Journal of Huaqiao University(Natural Science),2020,41(2):137-141.[doi:10.11830/ISSN.1000-5013.201908011]
点击复制

运用GA-SVM模型的砂石骨料分类方法()
分享到：

《华侨大学学报（自然科学版）》[ISSN:1000-5013/CN:35-1079/N]

卷:
第41卷
期数:
2020年第2期
页码:
137-141
栏目:
出版日期:
2020-03-20

文章信息/Info

Title:
Research on Classification Method of Sand and Stone Aggregate Based on GA-SVM
文章编号:
1000-5013(2020)02-0137-05
作者:
余罗兼1; 2;  童昕1; 2;  沈国浪1;  李占福2
1. 华侨大学 机电及自动化学院, 福建 厦门 361021;2. 福建工程学院 机械与汽车工程学院, 福建 福州 350108
Author(s):
YU Luojian1; 2;  TONG Xin1; 2;  SHEN Guolang1;  LI Zhanfu2
1. College of Mechanical Engineering and Automation, Huaqiao University, Xiamen 361021, China; 2. School of Mechanical and Automotive Engineering, Fujian University of Technology, Fuzhou 350108, China
关键词:
人工砂石;  骨料分类;  破碎工序;  遗传算法;  支持向量机
Keywords:
artificial sandstone;  aggregate classification;  crushing process;  genetic algorithm;  support vector machine
分类号:
TU528.041
DOI:
10.11830/ISSN.1000-5013.201908011
文献标志码:
A
摘要:
提出一种能够直接从破碎工序上识别骨料成分的算法模型.在花岗岩、石灰石、灰绿岩三种骨料剪切破碎实验的基础上,获取其相关物理特征量;然后,采用遗传算法(GA)与支持向量机(SVM)相结合的算法,对破碎、筛分后的人工砂石骨料物理特征量进行训练,建立人工砂石骨料分类的GA-SVM模型.研究结果表明:所提GA-SVM模型具有较强的分类效果,能够较好地识别人工砂石骨料成分;与传统的BP神经网络、偏最小二乘法相比,其分类准确率高.
Abstract:
An algorithm model was proposed to directly identify the composition of aggregates in the process of crushing. According to the shear crushing experiments of three aggregates of granite, limestone, and gray greenstone, their relevant physical characteristics were obtained first; then, a genetic algorithm(GA)combined with support vector machine(SVM)algorithm was adopted to train the physical characteristics of artificial sand and gravel aggregate after crushing and sieving, and a GA-SVM model was establish for artificial sand and gravel classification. The research results show that the proposed GA-SVM model has a strong classification effect and can better recognize the components of artificial sandstone aggregates. Compared with the traditional BP neural network and partial least squares method, its classification accuracy is high.

参考文献/References:

[1] 李俊杰,陈家全,唐宇,等.人工砂胶砂流动度评价方法的研究[J].广东建材,2019,35(7):6-8.
[2] 吉春旭.基于卷积神经网络的岩石图像分类研究与应用[D].西安:西安石油大学,2017.
[3] 刘凤英,张楠,郎伟民.BP网络在火成岩岩石化学判别分类中的应用[J].新疆地质,2007,25(2):140-143.DOI:10.3969/j.issn.1000-8845.2007.02.003.
[4] 袁颖,李绍康,周爱红.基于PCA-GA-SVM的火成岩分类方法研究[J].数学的实践与认识,2017,47(12):121-128.
[5] HARMON R S,THROCKMORTON C S,HARK R R,et al.Discriminating volcanic centers with handheld laser-induced breakdown spectroscopy(LIBS)[J].Journal of Archaeological Science,2018,98:112-127.DOI:10.1016/j.jas.2018.07.009.
[6] 温廷新,孙红娟,徐波,等.矿区采空塌陷危险性预测的RS-SVM模型[J].中国安全科学学报,2015,25(10):16-21.DOI:10.16265/j.cnki.issn1003-3033.2015.10.003.
[7] 龙文,梁昔明,龙祖强,等.PSO-LSSVM灰色组合模型在地下水埋深预测中的应用[J].系统工程理论与实践,2013,33(1):243-248.DOI:10.3969/j.issn.1000-6788.2013.01.031.
[8] 邱昌桂,孔兰芬,杨式华,等.基于GA-SVM算法的烤烟香型自动识别研究[J].烟草科技,2019,52(2):101-108.DOI:10.16135/j.issn1002-0861.2018.0311.
[9] ZHANG Guohui,GAO Liang,SHI Yang.An effective genetic algorithm for the flexible job-shop scheduling problem[J].Expert Systems with Applications,2011,38(4):3563-3573.DOI:10.1016/j.eswa.2010.08.145.
[10] 温廷新,于凤娥,邵良杉,等.基于GA-SVM的隧道围岩分类研究[J].公路交通科技,2018,35(9):63-70.DOI:10.3969/j.issn.1002-0268.2018.09.010.
[11] 梁礼明,陈明理,刘博文,等.基于图论的支持向量机核函数选择[J].计算机工程与设计,2019,40(5):1316-1321.DOI:10.16208/j.issn1000-7024.2019.05.022.
[12] 孙波,梁勇,汉牟田,等.基于GA-SVM的GNSS-IR土壤湿度反演方法[J].北京航空航天大学学报,2019,45(3):486-492.DOI:10.13700/j.bh.1001-5965.2018.0417.
[13] 吐松江·卡日,高文胜,张紫薇,等.基于支持向量机和遗传算法的变压器故障诊断[J].清华大学学报(自然科学版),2018,58(7):623-629.DOI:10.16511/j.cnki.qhdxxb.2018.25.032.
[14] 李亦滔.基于支持向量机的改进分类算法[J].计算机系统应用,2019,28(10):145-151.DOI:10.15888/j.cnki.csa.007080.
[15] 朱超岩,姚晓东.基于遗传算法优化的支持向量机在变压器故障诊断中应用[J].仪表技术,2019(3):21-23,32.DOI:10.19432/j.cnki.issn1006-2394.2019.03.006.

备注/Memo

备注/Memo:
收稿日期: 2019-08-07
通信作者: 童昕(1964-),男,教授,博士,博士生导师,主要从事机电系统动态分析与控制的研究.E-mail:xtong@fjut.edu.cn.
基金项目: 国家自然科学基金青年科学基金资助项目(51905100); 福建省教育厅中青年教师教育科研资助项目(JT180342)
更新日期/Last Update: 2020-03-20