计算机工程

作者：邵良杉, 兰亭洋, 李臣浩

单位：辽宁工程技术大学 系统工程研究所, 辽宁 葫芦岛 125105

关键词：瓦斯突出,花朵授粉算法,极限学习机,核线性鉴别分析,混沌映射

基金：国家自然科学基金（71371091）。

为提高瓦斯突出风险预测的准确率和效率，在极限学习机（ELM）模型的基础上构建预测模型ACFPA-ELM。采用核线性鉴别分析（KLDA）对瓦斯突出样本数据进行特征抽取，利用代价敏感思想修正ELM适应度函数，同时将Tent混沌搜索和自适应算子引入花朵授粉算法（FPA）中，优化ELM的初始输入权值和阈值，从而提高对瓦斯突出风险的预测能力。实验结果表明，相较于经典的SVM、BP和ELM单一预测模型以及改进的FPA-ELM和PSO-ELM复合预测模型，ACFPA-ELM模型在瓦斯突出风险预测的准确率、预测一致性以及运行效率方面均具有明显的优势。

来源：2019年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第12期