基于PSO-ELM-Boosting模型的底板破坏深度预测 |
| |
引用本文: | 邵良杉,周玉.基于PSO-ELM-Boosting模型的底板破坏深度预测[J].中国安全科学学报,2018(4). |
| |
作者姓名: | 邵良杉 周玉 |
| |
作者单位: | 辽宁工程技术大学系统工程研究所 |
| |
摘 要: | 为准确预测煤层底板采动破坏深度,在分析底板破坏深度主要影响因素的基础上确定评判指标;以经粒子群优化算法(PSO)优化输入权值和隐层阈值的极限学习机(ELM)为基预测器,以Boosting算法为集成学习框架,构建基于PSO-ELM-Boosting的底板破坏深度强预测模型;比较不同ELM隐层节点与基预测器个数组合对模型预测精度的影响,2次筛选确定二者的最优组合,并控制样本权值避免发生"权值扩充"现象;选取64组底板破坏深度实测数据为试验样本,对比分析PSO-ELM-Boosting模型与其他集成学习模型的预测准确率。结果表明:PSO-ELM-Boosting模型具有更好的平均绝对误差百分比(4.54%)、均方误差(0.429 2 m~2)和拟合优度(0.956 5),验证了PSOELM-Boosting模型的有效性。
|
本文献已被 CNKI 等数据库收录! |
|