基于MFO-BPNN的螺旋鉆機鉆速預測研究

作者：李嘉輝,王英,鄭榮躍,等. 日期：2024-04-24/span> 瀏覽：1171 查看PDF文檔

摘要:針對利用現有經驗公式所建立的螺旋鉆機鉆速預測模型存在準確度不足的問題,提出了一種基于飛蛾撲火算法(MFO)的反向傳播神經網絡(BPNN)鉆速預測模型。首先,對MFO算法的基本原理進行了研究,構建了MFO算法優化BPNN的具體流程;接著,采集了江蘇無錫某施工現場鉆探數據,并分析了鉆速影響因素,運用小波閾值降噪、歸一化和灰色關聯度分析等系列方法對采集數據進行了預處理,得到了訓練和測試集;然后,將MFO算法運用于神經網絡的權值和閾值訓練,以代替原有梯度下降法,建立了MFO-BPNN鉆速預測模型;最后,對上述預測模型與BPNN模型、遺傳算法優化反向傳播神經網絡(GA-BPNN)模型以及粒子群優化算法優化反向傳播神經網絡(PSOBPNN)模型的預測結果和評價指標進行了詳細的對比分析。研究結果表明:運用MFO-BPNN建立的鉆速預測模型,其可靠性達到了91.65%,其決定系數(R2)優于其他3種預測模型,3項誤差指標也是其中最低的,說明該模型的預測精度良好,適合于樁基礎工程的實際應用,可為復雜因素影響下的鉆速預測提供一種新思路。

關鍵詞:螺旋鉆機;鉆速預測;飛蛾撲火算法;反向傳播神經網絡;遺傳算法優化反向傳播神經網絡;粒子群優化算法優化反向傳播神經網絡;決定系數;樁基礎工程

中圖分類號:TH69;TE24文獻標識碼:A文章編號:1001-4551(2024)04-0633-10


本文引用格式:

李嘉輝,王英,鄭榮躍,等.基于MFO-BPNN的螺旋鉆機鉆速預測研究［J］.機電工程,2024,41(4):633-642.

LI Jiahui, WANG Ying, ZHENG Rongyue, et al. Drilling speed prediction of spiral drilling rigs based on MFO-BPNN［J］.Journal of Mechanical & Electrical Engineering, 2024,41(4):633-642.