基于预处理的AFOA-ELM冲击地压危险预测模型

论文摘要

为提高冲击地压危险性预测准确率,提出一种基于预处理的改进的果蝇优化算法（AFOA）优化极限学习机（ELM）的预测模型。以重庆砚石台煤矿为例,选取其10个冲击地压危险性影响因素作为模型特征;以部分实测数据作为样本数据集并进行预处理,采用合成少数类过采样技术（SMOTE）构建平衡数据集,使用灰色关联分析法（GRA）及因子分析法（FA）降低特征维度;针对果蝇优化算法（FOA）,引入跳脱变量和分类准确率方差变量构造AFOA,利用AFOA优化选取ELM的输入层权值及隐含层阈值,构建冲击地压危险预测模型,训练预处理样本数据、预测并对比其他模型预测结果。结果表明:数据集预处理可以显著提高AFOA-ELM模型预测效果;基于预处理的AFOA-ELM冲击地压危险预测模型,预测准确率为93. 75%,均方误差为6. 25%,预测精度显著优于其他对比模型。

论文目录

• 0 引言
• 1 AFOA-ELM模型设计
•   1.1 FOA
•   1.2 ELM
•   1.3 AFOA设计
•     1.3.1 AFOA引入跳脱变量
•     1.3.2 AFOA引入分类准确率方差变量
•   1.4 AFOA-ELM模型流程构建
• 2 试验与分析
•   2.1 影响因素选取
•   2.2 数据集预处理
•     2.2.1 基于SMOTE数据重构
•     2.2.2 基于GRA因素剔除
•     2.2.3 基于FA属性约简
•   2.3 AFOA-ELM模型参数优化
•   2.4 AFOA-ELM模型预测效果
•   2.5 不同模型预测效果对比分析
• 3 结论

文章来源

类型: 期刊论文

作者: 温廷新,李洋子

关键词: 冲击地压,危险性预测,合成少数类过采样技术,因子分析法,灰色关联分析法,极限学习机,改进的果蝇优化算法

来源: 中国安全科学学报 2019年08期

年度: 2019

分类: 工程科技Ⅰ辑

专业: 矿业工程

单位: 辽宁工程技术大学系统工程研究所

基金: 国家自然科学基金资助(71371091),辽宁省教育厅基金资助(L14BTJ004)

分类号: TD324

DOI: 10.16265/j.cnki.issn1003-3033.2019.08.005

页码: 29-34

总页数: 6

文件大小: 196K

下载量: 94