典型文献
基于海林格距离和AHDPSO-ELM的岩爆烈度等级预测模型
文献摘要：
为提高岩爆烈度等级预测准确率,提出一种基于海林格距离过采样(HDO)和自适应混合差分粒子群优化算法(AHDPSO)-极限学习机(ELM)的预测模型.首先,在分析影响岩爆烈度因素基础上选取主要影响指标,采用HDO算法增加少数类样本数目,均衡各等级岩爆样本;然后,基于粒子群优化(PSO)算法,引入自适应种群间距和差分进化(DE)算法中变异算子设计AHDPSO,利用AHDPSO优选ELM的输入层权值和隐藏层阈值,构建岩爆烈度等级预测模型;最后,采用国内外301组岩爆样本对模型训练、测试并与其他模型对比.研究表明:经HDO算法均衡岩爆数据集后,整体的预测准确率提高11.91％,且各等级的平均预测准确率均得到提高;基于HDO的AHDPSO-ELM岩爆烈度等级预测模型平均预测准确率为98.92％,均方误差为0.010 8,预测精度优于其他对比模型.
文献关键词：
海林格距离过采样(HDO);自适应混合差分粒子群优化(AHDPSO);岩爆烈度等级预测;极限学习机(ELM);岩爆样本;变异算子;自适应种群间距
中图分类号：
作者姓名：
温廷新;陈依琳
作者机构：
辽宁工程技术大学工商管理学院,辽宁葫芦岛125105
文献出处：
引用格式：
[1]温廷新;陈依琳-.基于海林格距离和AHDPSO-ELM的岩爆烈度等级预测模型)[J].中国安全科学学报,2022(11):38-46
A类：
AHDPSO,岩爆烈度等级预测,岩爆样本,自适应种群间距
B类：
海林格距离,ELM,预测准确率,过采样,HDO,粒子群优化算法,极限学习机,上选,影响指标,少数类,差分进化,DE,变异算子,输入层,权值,模型训练,模型对比,模型平均,均方误差,对比模型
AB值：
0.13696
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
