基于改进花朵授粉算法的极限学习机模型

• 作者: 兰亭洋 李臣浩 邵良杉
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 瓦斯突出 花朵授粉算法 极限学习机 核线性鉴别分析 混沌映射
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 281-288
• 页数: 8页
• 分类号: TP391
• 字数: 7276字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053285

摘要

为提高瓦斯突出风险预测的准确率和效率,在极限学习机(ELM)模型的基础上构建预测模型ACFPA-ELM.采用核线性鉴别分析(KLDA)对瓦斯突出样本数据进行特征抽取,利用代价敏感思想修正ELM适应度函数,同时将Tent混沌搜索和自适应算子引入花朵授粉算法(FPA)中,优化ELM的初始输入权值和阈值,从而提高对瓦斯突出风险的预测能力.实验结果表明,相较于经典的SVM、BP和ELM单一预测模型以及改进的FPA-ELM和PSO-ELM复合预测模型,ACFPA-ELM模型在瓦斯突出风险预测的准确率、预测一致性以及运行效率方面均具有明显的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵良杉	辽宁工程技术大学系统工程研究所	189	1464	18.0	27.0
2	李臣浩	辽宁工程技术大学系统工程研究所	2	1	1.0	1.0
3	兰亭洋	辽宁工程技术大学系统工程研究所	1	1	1.0	1.0