基于PCA-AWOA-ELM模型的矿井突水水源识别
于小鸽1
刘燚菲2
翟培合3
1.江西应用技术职业学院,江西 赣州 341000;山东科技大学 资源学院, 山东 泰安 2710192.江西应用技术职业学院,江西 赣州 341000;山东科技大学 地球科学与工程学院, 山东 青岛 2665903.山东科技大学 地球科学与工程学院, 山东 青岛 266590
摘要：矿井突水是煤矿生产过程最具威胁的灾害之一,为了保障煤矿安全生产,提高矿井突水水源识别精度,提出一种基于改进鲸鱼优化算法(AWOA)耦合极限学习机的水源识别模型.以岱庄煤矿为例,选取Na+、Ca2+、Mg2+、Cl?、SO42 ?、HCO3? 作为判别指标,基于SPSS因子分析提取评价指标主成分,6种离子间相关性较大,Ca2+和Mg2+,Ca2+、Mg2+与SO42 ?、Cl?之间的相关性均达到了0.7以上,SO42 ?和Cl?之间的相关性也达0.68,通过主成分分析提取了3个主成分,从六维空间降低到三维空间,在减少了样本指标之间信息重复的同时,也减少了极限学习机输入层数量,提高了模型对各类型数据的泛化能力.其次,引入混沌动态权重因子和精英反向机制对鲸鱼算法进行改进,改进的鲸鱼优化算法克服了极限学习机权值阈值随机取值的缺点,混沌动态权重因子、精英反向机制的引入降低了模型计算复杂度,提高了算法精度,算法速度,跳出了局部寻优.通过训练38组样本数据,优化极限学习机的权值和阈值,最终构建PCA-AWOA-ELM水源识别模型,并对10组未知的测试样本进行预测.结果表明,PCA-AWOA-ELM模型的预测精度达100％,PCA-WOA-ELM模型精度为90％,PCA-ELM、ELM模型精度为60％,PCA-AWOA-ELM模型识别精度、运行速度、稳定性均明显高于PCA-WOA-ELM模型、PCA-ELM模型和ELM模型,为矿井安全生产提供了重要保障.
关键词：矿井突水水源识别主成分分析(PCA)改进鲸鱼优化算法(AWOA)极限学习机(ELM)
分类号：TD745(矿山安全与劳动保护)
资助基金：国家自然科学基金(42002282)山东省自然科学基金重点资助项目(ZR2020KE023)山东省自然科学基金重点资助项目(ZR2021MD057)
论文发表日期：2023-03-25
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：8( 182-189 )
英文信息