资料下载
×
可提高瓦斯风险预测准确率的ELM模型
消耗积分:0 |
格式:pdf |
大小:1.30 MB |
2021-05-27
分享资料个
为提髙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ACFA-ELI釆用核线性鉴别分析（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BM单一预测模型以及改进的 FPA-ELM和PSO-BLM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。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
