Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

16.07.2019 | Original Article

Performance evaluation of hybrid FFA-ANFIS and GA-ANFIS models to predict particle size distribution of a muck-pile after blasting

Zeitschrift:
Engineering with Computers
Autoren:
Jian Zhou, Chuanqi Li, Chelang A. Arslan, Mahdi Hasanipanah, Hassan Bakhshandeh Amnieh
Wichtige Hinweise

Publisher's Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

Accurately predicting the particle size distribution of a muck-pile after blasting is always an important subject for mining industry. Adaptive neuro-fuzzy inference system (ANFIS) has emerged as a synergic intelligent system. The main contribution of this paper is to optimize the premise and consequent parameters of ANFIS by firefly algorithm (FFA) and genetic algorithm (GA). To the best of our knowledge, no research has been published that assesses FFA and GA with ANFIS for fragmentation prediction and no research has tested the efficiency of these models to predict the fragmentation in different time scales as of yet. To show the effectiveness of the proposed ANFIS-FFA and ANFIS-GA models, their modelling accuracy has been compared with ANFIS, support vector regression (SVR) and artificial neural network (ANN). Intelligence predictions of fragmentation by ANFIS-FFA, ANFIS-GA, ANFIS, SVR and ANN are compared with observed values of fragmentation available in 88 blasting event of two quarry mines, Iran. According to the results, both ANFIS-FFA and ANFIS-GA prediction models performed satisfactorily; however, the lowest root mean square error (RMSE) and the highest correlation of determination (R2) values were obtained from ANFIS-GA model. The values of R2 and RMSE obtained from ANFIS-GA, ANFIS-FFA, ANFIS, SVR and ANN models were equal to (0.989, 0.974), (0.981, 1.249), (0.956, 1.591), (0.924, 2.016) and (0.948, 2.554), respectively. Consequently, the proposed ANFIS-GA model has the potential to be used for predicting aims on other fields.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel