針對現(xiàn)有礦井水源判別方法的局限性與煤礦開采水害事故高發(fā)性等問題,通過灰狼算法的優(yōu)化方式對ELM極限學(xué)習(xí)機算法進行改進,建立改進GWO-ELM算法對顧北礦區(qū)的礦井樣本水源進行識別,將歸一化處理后的6項水化學(xué)離子指標作為網(wǎng)絡(luò)輸入向量,樣本對應(yīng)的水源層作為輸出向量,通過GWO對網(wǎng)絡(luò)初始權(quán)值閾值的更新迭代有效得到適用于礦井突水水源判別的單隱含層神經(jīng)網(wǎng)絡(luò)模型,優(yōu)化后的網(wǎng)絡(luò)模型的水源判別準確率高達92.3%,提高了網(wǎng)絡(luò)結(jié)構(gòu)的穩(wěn)定性與魯棒性,解決了礦井水源判別的低效率、低準確率突破等問題,對煤礦災(zāi)害防治工作中起到重大推進作用。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖2GWO-ELM算法軌跡4結(jié)語

結(jié)果與實際水源進行比對，根據(jù)比對圖可知傳統(tǒng)ELM對第2、3層的判別準確率最低，GWO-ELM算法對第4層水源判斷完全正確，第2、3層同樣存在誤判對象，因此第2、3層水源的判別準確率仍然可以提高。將GWO的迭代過程進行圖2可視化分析，分別計算每一代的灰狼集體平均誤判率與頭狼最低誤判....

本文編號：4041353