黑猩猩优化算法-极限学习机模型在富水性分级判定中的应用

作者：程国森; 崔东文^*

来源：人民黄河, 2021, 43(07): 62-103.

• 富水性
• 分级判定
• 极限学习机
• 黑猩猩优化算法
• 仿真验证
• 参数优化

为提高煤层顶底板地层富水性分级判定精度,研究提出黑猩猩优化算法(ChOA)与极限学习机(ELM)相融合的判定方法。选取4个标准测试函数在不同维度条件下对ChOA的寻优能力进行仿真验证,仿真结果与粒子群优化(PSO)算法、人工蜂群(ABC)算法作对比;基于煤层顶底板地层富水性判定因子和判定分级构建ELM模型,利用ChOA优化ELM输入层权值和隐含层偏值,建立ChOA-ELM富水性分级判定模型,并构建ChOA-SVM、ChOA-BP作对比模型,通过龙固煤层顶底板地层富水性分级判定实例对ChOA-ELM、ChOA-SVM、ChOA-BP模型进行检验。结果表明:(1)ChOA在不同维度条件下寻优效果优于PSO、ABC算法,具有较好的寻优精度和全局搜索能力;(2)ChOA-ELM模型对实例训练样本和检验样本富水性分级判定准确率分别为97.5%、100%,高于ChOA-SVM、ChOA-BP模型,具有较好的判定精度和泛化能力;(3)ChOA能有效优化ELM输入层权值和隐含层偏值,将ChOA-ELM用于煤层顶底板地层富水性分级判定是可行的,模型及ELM权值、偏值优化方法可为相关判定研究提供参考。

• 单位
  云南省水文水资源局