基于IWOA-HKELM的矿井突水水源识别

作者：邵良杉; 詹小凡

来源：中国安全科学学报, 2019, 29(09): 113-118.

DOI：10.16265/j.cnki.issn1003-3033.2019.09.018

• 突水水源识别
• 改进鲸鱼优化算法(IWOA)
• 混合核极限学习机(HKELM)
• 帐篷映射
• 非线性因子
• 反向精英学习阈值

为提高矿井突水水源识别的精度,提出一种改进鲸鱼优化算法(IWOA)-混合核极限学习机(HKELM)的水源识别模型。首先将高斯核函数和多项式核函数相结合,构造学习能力和泛化性能较好的HKELM;然后针对鲸鱼优化算法(WOA)易陷入局部最优的问题,提出IWOA算法,引入帐篷映射、改进非线性因子以及设置反向精英学习阈值等3种策略来降低算法过早收敛的概率,并得到更优结果;最后将新庄孜矿的突水水源资料作为仿真数据,降维处理后输入到IWOA-HKELM模型中结果预测。研究表明:通过IWOA优化HKELM参数,可提高HKELM的整体预测性能;IWOA-HKELM的预测结果与实际情况完全一致,与其他模型相比,该模型的平均分类准确率明显提高,平均均方误差和分类准确率标准差明显降低。

• 单位
  辽宁工程技术大学