极限学习机在采空区自然发火预测中的应用

• 作者: 仲维清 孙健巍
• 来源期刊: 辽宁工程技术大学学报（自然科学版）
• 学科: 工学
• 关键词: 煤炭自燃 logistic回归分析 极限学习机 粒子群算法 参数优化
• 年，卷（期）: 2016,（6）
• 页码范围: 581-585
• 页数: 5页
• 分类号: X936
• 语种: 中文
• DOI: 10.11956/j.issn.1008-0562.2016.06.005

摘要

针对采空区煤炭自然发火的预测问题,从温度、标志气体浓度以及钻孔参数3个方面选取了8个相关因素,利用Logistic回归分析从中提取出5个相对重要的因素作为预测模型的输入,运用极限学习机算法进行预测,并采用粒子群算法对极限学习机的输入权值及隐含层阈值作优化选取,以提高其泛化能力及预测精度,以此建立了PSO-ELM自然发火预测模型.选用28组训练样本和12组检验样本进行模型的预测实验,结果表明,基于Logistic回归分析筛选指标后的PSO-ELM模型有较高的预测精度,是预测采空区自然发火的一个有效方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	仲维清		67	741	11.0	25.0
2	孙健巍		1	0	0.0	0.0