基于因子分析的PSO-ELM岩溶发育预测模型研究

作者：王平; 张彦文; 俞栋华; 程爱平; 乔宇

来源：化工矿物与加工, 2023, 52(06): 24-31.

DOI：10.16283/j.cnki.hgkwyjg.2023.06.005

• 因子分析
• 粒子群算法
• 极限学习机
• 预测模型
• 岩溶

岩溶发育是由多个影响因素共同作用的结果，具有成因复杂、隐蔽性强等特点，对地面设施和人员安全构成了潜在威胁。对岩溶发育进行评估及预测，可以在岩溶致灾前采取预防措施，减少岩溶灾害带来的损失。以武汉市某岩溶区工程为例，对岩溶区溶洞的赋存规律进行分析，确定地下稳定水位埋深、覆盖层厚度、基岩层数等9个影响因素，利用因子分析提取5个公因子，提出了一种在因子分析的基础上利用粒子群算法(PSO)优化极限学习机(ELM)的岩溶发育预测模型，利用现场的60组实测数据作为样本进行学习预测，以其中50组作为训练集，其余10组作为测试集，对预测模型的精度进行验证，结果表明：PSO-ELM预测模型的预测值与实际值吻合较好。将PSO-ELM预测模型与ELM预测模型的预测结果进行对比分析，发现PSO-ELM预测模型的精度更高。

• 单位
  湖北工业; 武汉科技大学