矿井突水水源判别的ESN正则化模型

• 作者: 张轩轩 李垣志 牛国庆
• 来源期刊: 煤田地质与勘探
• 学科: 工学
• 关键词: 突水水源判别 回声状态网络 正则化 奇异分解 交叉验证
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 水文地质工程地质
• 页码范围: 108-114
• 页数: 7页
• 分类号: TD745
• 字数: 5231字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1986.2018.01.019

摘要

针对标准回声状态神经网络(ESN)因病态解而导致水源判别模型准确率低,精度差的问题,提出了将6种正则化方法与ESN神经网络相结合,并应用于矿井突水水源的判别,与标准ESN模型的判别结果进行对比分析.结果表明:ESN模型易出现过拟合问题,判别准确率只有49％～88％;而采用阻尼最小二乘奇异分解法(DSVD)与广义交叉验证法(GCV)相耦合的正则化方法能够较好的解决模型病态解问题,使模型的准确率提高到100％,最佳判别精度比标准ESN模型提高了64％,稳定性提高了61％;且该方法对不同规模的储备池结构表现出较强的适应性,不仅简化了模型的映射关系,提高计算效率,还增强模型的泛化能力.因此,基于GSVD_GCV正则化的ESN水源判别模型可作为一种快速有效判别矿井突水来源的新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛国庆	河南理工大学安全科学与工程学院	51	292	10.0	15.0
2	李垣志	河南理工大学安全科学与工程学院	10	41	3.0	5.0
3	张轩轩	河南理工大学安全科学与工程学院	12	19	3.0	3.0