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

摘要：

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.

关键词：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

所属期刊栏目：43

分类号：TV213.4;P641.5+4

资助基金：云南省应用基础研究计划重点项目;院士工作站建设专项;云南省创新团队项目

在线出版日期：2021-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：62-66,103