基于ELM的矿井突水水源识别方法
唐立力
重庆工商大学融智学院,重庆,401320
摘要：针对矿井突水事故的预测问题,提出一种基于极限学习机(Extreme Learning Machine,ELM)的矿井突水水源识别新方法.该方法是一种单隐含层前馈神经网络学习算法,在训练过程中无需调整初始连接权值和阈值,只需要设置隐含层神经元个数即可获得最优解.以梧桐庄煤矿水质为例,通过MATLAB仿真证实,该方法不仅克服了常规BP神经网络受初始权值和阈值影响的缺陷,而且识别精度更高;在突水预测方面有很好的应用前景.
关键词：矿井突水水源识别极限学习机(ELM)神经网络
分类号：TD745(矿山安全与劳动保护)
资助基金：重庆市教委科学技术研究基金项目(KJ1601903)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 39-41,45 )
英文信息