粒子群优化混合核极限学习机的构造煤厚度预测方法

• 作者: 徐慧 王新 范君
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 主成分分析 粒子群优化 核函数 极限学习机 构造煤 厚度预测
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 应用前沿、交叉与综合
• 页码范围: 1820-1825,1830
• 页数: 7页
• 分类号: TP183
• 字数: 7782字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017112807

摘要

在构造煤厚度的预测中,针对预测精度不高的问题,提出利用粒子群优化(PSO)算法优化极限学习机(ELM)的方法来对构造煤厚度进行预测.首先,利用主成分分析(PCA)对三维地震属性进行降维处理,在降低地震属性的维数的同时消除变量之间的相关性.然后,构建全局多项式核函数和局部高斯径向基核函数混合核极限学习机(HKELM)模型,并利用PSO算法优化HKELM的核参数.同时,针对PSO算法存在容易陷入局部最优的问题,在PSO算法中加入模拟退火的思想和随迭代次数减小的惯性权重,以及基于反向学习的变异操作,使PSO算法可以更容易跳出局部极小值点,得到更优结果.此外,为了增强模型的泛化能力,在核函数的基础上加入L2正则项,有效地避免了噪声和异常点对模型泛化性能的影响.最后,将预测模型应用到阳煤集团新景矿区芦南二采区中部15#煤层中,预测得到的采区构造煤厚度与实际地质资料具有较高的一致性.实验结果表明,利用改进PSO算法优化HKELM构建构造煤厚度预测模型的预测误差较小,可以推广用于实际采区的构造煤厚度预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐慧	中国矿业大学计算机科学与技术学院	33	134	7.0	10.0
2	王新	中国矿业大学计算机科学与技术学院	37	135	7.0	9.0
3	范君	中国矿业大学计算机科学与技术学院	1	4	1.0	1.0