10.3969/j.issn.1009-0029.2022.01.019
PSO优化ELM在火灾探测中的应用
为提高火灾探测精度,避免标准ELM陷入局部最优,本文基于火灾特征值CO浓度、烟雾浓度、温度建构了一种基于粒子群(PSO)优化极限学习机(ELM)的火灾探测模型,通过PSO优化ELM输入层与隐含层权值以及偏置,利用最优值进行极限学习机网络训练,将训练好的网络对测试样本进行预测并验证方法有效性.研究显示,PSO-ELM的均方根误差(RMSE)为1.403%、平均绝对误差(MAE)为1.055%、平均绝对百分比误差(MAPE)为1.183%,相较于BP、GA-BP和ELM 3个模型,算法精度和泛化能力均有明显提升.同时,PSO-ELM模型训练速度更快,可以更高效地提高火灾探测能力.
火灾探测;粒子群算法;BP神经网络;GA-BP;极限学习机
41
TU998.1;TU892(地下建筑)
国家自然科学基金;国家社会科学基金;安徽省教育厅自然科学重点研究项目;安徽省教育厅高校质量工程项目;安徽省教育厅人文社科重点项目
2022-03-01(万方平台首次上网日期,不代表论文的发表时间)
共4页
91-94