基于海林格距离和AHDPSO-ELM的岩爆烈度等级预测模型

作者：温廷新; 陈依琳

来源：中国安全科学学报, 2022, 32(11): 38-46.

DOI：10.16265/j.cnki.issn1003-3033.2022.11.1915

• 海林格距离过采样(HDO)
• 自适应混合差分粒子群优化(AHDPSO)
• 岩爆烈度等级预测
• 极限学习机(ELM)
• 岩爆样本
• 变异算子
• 自适应种群间距

为提高岩爆烈度等级预测准确率，提出一种基于海林格距离过采样(HDO)和自适应混合差分粒子群优化算法(AHDPSO)-极限学习机(ELM)的预测模型。首先，在分析影响岩爆烈度因素基础上选取主要影响指标，采用HDO算法增加少数类样本数目，均衡各等级岩爆样本；然后，基于粒子群优化(PSO)算法，引入自适应种群间距和差分进化(DE)算法中变异算子设计AHDPSO,利用AHDPSO优选ELM的输入层权值和隐藏层阈值，构建岩爆烈度等级预测模型；最后，采用国内外301组岩爆样本对模型训练、测试并与其他模型对比。研究表明：经HDO算法均衡岩爆数据集后，整体的预测准确率提高11.91%,且各等级的平均预测准确率均得到提高；基于HDO的AHDPSO-ELM岩爆烈度等级预测模型平均预测准确率为98.92%,均方误差为0.010 8,预测精度优于其他对比模型。

• 单位
  辽宁工程技术大学