资料下载
×
基于LPCA和改进极限学习机的煤与瓦斯突出危险性判识
消耗积分:3 |
格式:rar |
大小:1.07 MB |
2018-01-15
分享资料个
为实现煤与瓦斯突出危险性的准确、快速地动态预测，提出构建基于KPCA-BA-ELM的突出危险性耦合预测模型。根据煤与瓦斯突出综合作用机理，确定突出各影响因素参数；利用核主成分分析（ KPCA）对样本数据进行预处理，提取出主成分序列；利用蝙蝠算法（ BA）优化极限学习机（ELM）模型，并与BA-ELM、ELM、SVM和BP等模型共同进行突出危险性预测，验证模型的优越性。结果表明，基于KPCA-BA-ELM突出危险性预测模型平均绝对误差为4. 560．平均相对误差为3.478%，运行时间为1.286 s，较其他模型具有精准的判识度和较高的泛化能力；能充分挖掘突出时空演变的内部隐含规律，有效诠释突出危险性与其影响因素间的非线性关系。
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
