| 基于KPCA-APSO-ELM的矿井涌水水源识别 |
| |
| 引用本文： | 侯恩科,姚星,车晓阳,严迎新,董博文. 基于KPCA-APSO-ELM的矿井涌水水源识别[J]. 安全与环境学报, 2022, 22(1): 64-71. DOI: 10.13637/j.issn.1009-6094.2020.1335 |
| |
| 作者姓名： | 侯恩科 姚星 车晓阳 严迎新 董博文 |
| |
| 作者单位： | 西安科技大学地质与环境学院,西安710054;西安科技大学煤炭绿色开采地质研究院,西安710054 |
| |
| 基金项目： | 国家自然科学基金面上项目(41472234)； |
| |
| 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。
|
| 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 |
Identification method of mine water inrush sources based on KPCA-APSO-ELM |
| |
| HOU En-ke,YAO Xing,CHE Xiao-yang,YAN Ying-xin,DONG Bo-wen. Identification method of mine water inrush sources based on KPCA-APSO-ELM[J]. Journal of Safety and Environment, 2022, 22(1): 64-71. DOI: 10.13637/j.issn.1009-6094.2020.1335 |
| |
| Authors: | HOU En-ke YAO Xing CHE Xiao-yang YAN Ying-xin DONG Bo-wen |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
