基于MIV-IPFA-ELM的矿井突水水源识别模型_中国煤炭行业知识服务平台

基于MIV-IPFA-ELM的矿井突水水源识别模型

作者

邵良杉庞志晴
单位

辽宁工程技术大学系统工程研究所
摘要

为提高矿井突水水源识别准确率，提出一种基于MIV-IPFA-ELM的矿井突水水源识别模型。利用改进的探路者算法（IPFA）对极限学习机（ELM）的参数进行寻优，构建IPFA-ELM判别模型；采用平均影响值（MIV）方法计算各判别指标平均影响贡献率，根据计算结果剔除影响贡献率较低的判别指标；将筛选后的判别指标作为输入向量重新对模型进行训练，构建MIV-IPFA-ELM模型。以秦南矿井的实测水源数据为例，借助SMOTE算法生成类平衡实验数据集，并以该数据集验证构建模型的有效性，将实验结果与其他模型相比较。研究结果表明：MIV-IPFA-ELM模型的平均预测准确率为96.33%，远高于其他模型的预测准确率，均方误差为0.129，平均绝对误差为0.062 5，较其他对比模型有明显的降低。
关键词

矿井突水水源识别平均影响值改进探路者算法极限学习机
基金项目(Foundation)

国家自然科学基金项目（71771111）；
文章目录

0 引言
1 模型理论基础与构建
1.1 平均影响值算法
1.2 极限学习机
1.3 IPFA算法设计
(1)PFA算法
(2）越界处理机制
(3）莱维飞行策略
1.4 MIV-IPFA-ELM模型步骤
2 实验与分析
2.1 指标选取
2.2 数据集预处理
2.3 模型参数选取
2.4 基于MIV的特征筛选
2.5 基于MIV-IPFA-ELM突水水源预测
2.6 水源识别模型对比实验
3 结论
引用格式

邵良杉,庞志晴.基于MIV-IPFA-ELM的矿井突水水源识别模型[J].辽宁工程技术大学学报(自然科学版),2023,42(04):404-411.