基于KPCA和改进极限学习机的煤与瓦斯突出危险性判识

• 作者: 李胜 胡海永
• 来源期刊: 计算机应用研究
• 关键词: 煤与瓦斯突出 核主成分分析(KPCA) 蝙蝠算法(BA) 极限学习机(ELM) 耦合预测
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 系统应用开发
• 页码范围: 172-176
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.01.036

摘要

为实现煤与瓦斯突出危险性的准确、快速地动态预测,提出构建基于KPCA-BA-ELM的突出危险性耦合预测模型.根据煤与瓦斯突出综合作用机理,确定突出各影响因素参数;利用核主成分分析(KPCA)对样本数据进行预处理,提取出主成分序列;利用蝙蝠算法(BA)优化极限学习机(ELM)模型,并与BA-ELM、ELM、SVM和BP等模型共同进行突出危险性预测,验证模型的优越性.结果表明,基于KPCA-BA-ELM突出危险性预测模型平均绝对误差为4.560,平均相对误差为3.478％,运行时间为1.286 s,较其他模型具有精准的判识度和较高的泛化能力;能充分挖掘突出时空演变的内部隐含规律,有效诠释突出危险性与其影响因素间的非线性关系.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李胜	辽宁工程技术大学矿业学院	60	519	13.0	19.0
5	胡海永	辽宁工程技术大学矿业学院	4	27	3.0	4.0