基于WPSO-KELM的火灾预警模型设计

• 作者: 丁承君 何乃晨 张井超
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 火灾预警 传感器 核极限学习机 粒子群优化
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 仿真虚拟化
• 页码范围: 310-313,353
• 页数: 5页
• 分类号: X932
• 字数: 3523字
• 语种: 中文

摘要

火灾信息处理算法的有效性影响着火灾预警系统的准确性和可靠性,智能火灾预警算法研究成为了火灾预警技术的一个研究热点.针对以往火灾信息处理算法的不足,提出了一种基于惯性粒子群优化的核极限学习机(WPSO-KELM)的火灾预警算法.建立核极限学习机火灾预警模型,采用粒子群算法优化核极限学习机参数,因为惯性权重因子对粒子群优化算法影响较大,提出了惯性粒子群优化算法(WPSO).利用MATLAB对基于WPSO-KELM火灾预警算法进行仿真,通过与BP神经网络、支持向量机和核极限学习机三种火灾预警算法的仿真结果作对比,发现基于WPSO-KELM的火灾预警算法分类精度更高、稳定性更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁承君	河北工业大学机械工程学院	84	619	13.0	23.0
2	何乃晨	河北工业大学机械工程学院	3	3	1.0	1.0
3	张井超	河北工业大学机械工程学院	2	2	1.0	1.0