為快速準(zhǔn)確地預(yù)測煤與瓦斯突出危險性,提出一種基于預(yù)處理的改進果蠅優(yōu)化算法(IFOA)-極限學(xué)習(xí)機(ELM)的預(yù)測模型。首先預(yù)處理平頂山八礦的部分實測數(shù)據(jù),采用灰色關(guān)聯(lián)分析(GRA)法與熵權(quán)法(EWM)結(jié)合的灰色關(guān)聯(lián)熵分析(GREA)法剔除影響程度較小的因素,應(yīng)用主成分分析法(PCA)進一步約簡因素;構(gòu)建煤與瓦斯突出危險性預(yù)測模型,基于果蠅優(yōu)化算法(FOA),引入自適應(yīng)步長更新策略及群體適應(yīng)度方差策略設(shè)計IFOA;利用IFOA優(yōu)選ELM輸入層權(quán)值及隱含層閾值,對預(yù)處理樣本數(shù)據(jù)進行訓(xùn)練、預(yù)測并對比其他模型預(yù)測效果。結(jié)果表明:基于預(yù)處理的IFOA-ELM模型預(yù)測結(jié)果與實際結(jié)果完全擬合,預(yù)測效果顯著優(yōu)于未預(yù)處理的模型;基于預(yù)處理的IFOA-ELM模型的分類準(zhǔn)確率和召回率均為100%,顯著高于其他對比模型。

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 IFOA-ELM模型
    1.1 FOA
    1.2 ELM
    1.3 IFOA設(shè)計
        1.3.1自適應(yīng)步長更新策略
        1.3.2群體適應(yīng)度方差策略
    1.4 構(gòu)建IFOA-ELM模型
2 分析與驗證模型
    2.1 選取影響因素
    2.2 預(yù)處理數(shù)據(jù)集
        2.2.1基于GREA因素剔除
        2.2.2基于PCA屬性約簡
    2.3 IFOA-ELM模型參數(shù)優(yōu)化
    2.4 IFOA-ELM模型預(yù)測效果
    2.5 不同模型預(yù)測效果對比分析
3 結(jié)論



本文編號：3822525