基于KPCA-APSO-ELM的矿井涌水水源识别

• 作者: 侯恩科 姚星 车晓阳 严迎新 董博文
• 来源期刊: 安全与环境学报
• 学科: 工学
• 关键词: 安全工程 水源判别 核主成分分析 自适应粒子群算法 极限学习机
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 安全评价|Safety Assessment
• 页码范围: 64-71
• 页数: 8页
• 分类号: X936|TD745
• 语种: 中文
• DOI: 10.13637/j.issn.1009-6094.2020.1335

摘要

矿井水害问题长期困扰着煤矿的安全生产,查明矿井涌水水源是矿井水害防治问题的前提.为提高矿井涌水水源的识别精度,提出了一种基于KPCA-APSO-ELM的矿井涌水水源判别模型.以袁二矿为例,在分析主要含水层地下水水化学特征的基础上,选取7种水化学离子作为判别指标.随后利用KPCA提取主要指标作为模型识别的判别因子,并通过APSO对ELM模型进行参数寻优.以63组样本数据中70％作为训练样本、30％作为预测样本进行仿真试验建立KPCA-APSO-ELM模型,并将识别结果与PCA-Logistic、KPCA-ELM和PSO-ELM模型进行比较.结果表明:KPCA算法可以有效消除指标间的冗余信息,基于KPCA-APSO-ELM模型的预测精度相对较高;与其他模型相比,该模型的均方误差和平均绝对百分比误差显著降低.