基于WPSO-KELM的火灾预警模型设计

摘要：

火灾信息处理算法的有效性影响着火灾预警系统的准确性和可靠性,智能火灾预警算法研究成为了火灾预警技术的一个研究热点.针对以往火灾信息处理算法的不足,提出了一种基于惯性粒子群优化的核极限学习机(WPSO-KELM)的火灾预警算法.建立核极限学习机火灾预警模型,采用粒子群算法优化核极限学习机参数,因为惯性权重因子对粒子群优化算法影响较大,提出了惯性粒子群优化算法(WPSO).利用MATLAB对基于WPSO-KELM火灾预警算法进行仿真,通过与BP神经网络、支持向量机和核极限学习机三种火灾预警算法的仿真结果作对比,发现基于WPSO-KELM的火灾预警算法分类精度更高、稳定性更好.

关键词：火灾预警、传感器、核极限学习机、粒子群优化

所属期刊栏目：35

分类号：X932(安全工程)

资助基金：天津市科技计划项目14ZXCXGX00123;天津市科技计划项目15ZXHLGX00210

在线出版日期：2018-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：310-313,353