首页|基于海林格距离和AHDPSO-ELM的岩爆烈度等级预测模型

基于海林格距离和AHDPSO-ELM的岩爆烈度等级预测模型

扫码查看
原文链接
  • 万方数据
  • 维普
为提高岩爆烈度等级预测准确率,提出一种基于海林格距离过采样(HDO)和自适应混合差分粒子群优化算法(AHDPSO)-极限学习机(ELM)的预测模型.首先,在分析影响岩爆烈度因素基础上选取主要影响指标,采用HDO算法增加少数类样本数目,均衡各等级岩爆样本;然后,基于粒子群优化(PSO)算法,引入自适应种群间距和差分进化(DE)算法中变异算子设计AHDPSO,利用AHDPSO优选ELM的输入层权值和隐藏层阈值,构建岩爆烈度等级预测模型;最后,采用国内外301组岩爆样本对模型训练、测试并与其他模型对比.研究表明:经HDO算法均衡岩爆数据集后,整体的预测准确率提高11.91％,且各等级的平均预测准确率均得到提高;基于HDO的AHDPSO-ELM岩爆烈度等级预测模型平均预测准确率为98.92％,均方误差为0.010 8,预测精度优于其他对比模型.
Prediction model of rockburst intensity grade based on Hellinger distance and AHDPSO-ELM

温廷新、陈依琳

展开 >

辽宁工程技术大学工商管理学院,辽宁葫芦岛125105

海林格距离过采样(HDO) 自适应混合差分粒子群优化(AHDPSO) 岩爆烈度等级预测 极限学习机(ELM) 岩爆样本 变异算子 自适应种群间距

国家自然科学基金辽宁省社会科学规划基金

71371091L14BTJ004

2022

10.16265/j.cnki.issn1003-3033.2022.11.1915

中国安全科学学报
中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心
影响因子：1.548
ISSN：1003-3033
年,卷(期)：2022.32(11)
  • 2
  • 9