基于预处理的IFOA-ELM煤与瓦斯突出预测模型

发布时间：2023-05-24 23:50

　　为快速准确地预测煤与瓦斯突出危险性,提出一种基于预处理的改进果蝇优化算法(IFOA)-极限学习机(ELM)的预测模型。首先预处理平顶山八矿的部分实测数据,采用灰色关联分析(GRA)法与熵权法(EWM)结合的灰色关联熵分析(GREA)法剔除影响程度较小的因素,应用主成分分析法(PCA)进一步约简因素;构建煤与瓦斯突出危险性预测模型,基于果蝇优化算法(FOA),引入自适应步长更新策略及群体适应度方差策略设计IFOA;利用IFOA优选ELM输入层权值及隐含层阈值,对预处理样本数据进行训练、预测并对比其他模型预测效果。结果表明:基于预处理的IFOA-ELM模型预测结果与实际结果完全拟合,预测效果显著优于未预处理的模型;基于预处理的IFOA-ELM模型的分类准确率和召回率均为100%,显著高于其他对比模型。

【文章页数】：7 页

【文章目录】：
0 引言
1 IFOA-ELM模型
    1.1 FOA
    1.2 ELM
    1.3 IFOA设计
        1.3.1自适应步长更新策略
        1.3.2群体适应度方差策略
    1.4 构建IFOA-ELM模型
2 分析与验证模型
    2.1 选取影响因素
    2.2 预处理数据集
        2.2.1基于GREA因素剔除
        2.2.2基于PCA属性约简
    2.3 IFOA-ELM模型参数优化
    2.4 IFOA-ELM模型预测效果
    2.5 不同模型预测效果对比分析
3 结论



本文编号：3822525