10.3969/j.issn.2095-2783.2021.09.014
主成分分析与遗传算法优化ELM模型的矿井突水水源识别方法
为了实现矿井突水水源的快速准确识别,提出了主成分分析(principal component analysis,PCA)、遗传算法(genetic algorithm,GA)和极限学习机(extreme learning machine,ELM)相结合的突水水源判别模型.模型以ELM分类为基础,利用PCA将含水层6种水化学离子指标归纳为3种主成分,通过GA优化ELM,结合良庄煤矿51101工作面实测数据资料建立判别模型,并与传统ELM模型和BP神经网络预测模型进行对比,再实际应用到李楼煤矿1303工作面的突水水源识别.结果表明:PCA、GA和ELM相结合的突水水源判别模型能够有效消除水化学离子指标间的相互影响,优化分类模型的权值和阈值,使矿井突水水源判别更为准确.
矿井突水;水化学特征分析;主成分分析;遗传算法;极限学习机;水源识别
16
TD163(矿山地质与测量)
2021-09-14（万方平台首次上网日期，不代表论文的发表时间）
共8页
1010-1016,1022
