首页|黑猩猩优化算法-极限学习机模型在富水性分级判定中的应用

黑猩猩优化算法-极限学习机模型在富水性分级判定中的应用

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为提高煤层顶底板地层富水性分级判定精度,研究提出黑猩猩优化算法(ChOA)与极限学习机(ELM)相融合的判定方法.选取4个标准测试函数在不同维度条件下对ChOA的寻优能力进行仿真验证,仿真结果与粒子群优化(PSO)算法、人工蜂群(ABC)算法作对比;基于煤层顶底板地层富水性判定因子和判定分级构建ELM模型,利用ChOA优化ELM输入层权值和隐含层偏值,建立ChOA-ELM富水性分级判定模型,并构建ChOA-SVM、ChOA-BP作对比模型,通过龙固煤层顶底板地层富水性分级判定实例对ChOA-ELM、ChOA-SVM、ChOA-BP模型进行检验.结果表明:①ChOA在不同维度条件下寻优效果优于PSO、ABC算法,具有较好的寻优精度和全局搜索能力;②ChOA-ELM模型对实例训练样本和检验样本富水性分级判定准确率分别为97.5％、100％,高于ChOA-SVM、ChOA-BP模型,具有较好的判定精度和泛化能力;③ChOA能有效优化ELM输入层权值和隐含层偏值,将ChOA-ELM用于煤层顶底板地层富水性分级判定是可行的,模型及ELM权值、偏值优化方法可为相关判定研究提供参考.
Application of Chimp Optimization Algorithm⁃Extreme Learning Machine Model in Judging Water Abundance Grade

程国森、崔东文

展开 >

云南省水文水资源局 曲靖分局,云南 曲靖655000

云南省文山州水务局,云南 文山663000

富水性 分级判定 极限学习机 黑猩猩优化算法 仿真验证 参数优化

云南省应用基础研究重点基金资助项目院士工作站建设专项云南省创新团队建设专项

2017FA0222015IC013YKRF2017-07-26

2021

10.3969/j.issn.1000-1379.2021.07.012

人民黄河
水利部黄河水利委员会

人民黄河

CSTPCD北大核心
影响因子：0.494
ISSN：1000-1379
年,卷(期)：2021.43(7)
  • 15
  • 12