中国安全科学学报 ›› 2019, Vol. 29 ›› Issue (9): 113-118.doi: 10.16265/j.cnki.issn1003-3033.2019.09.018
邵良杉 教授, 詹小凡
收稿日期:
2019-05-14
修回日期:
2019-07-13
出版日期:
2019-09-28
发布日期:
2020-10-30
作者简介:
邵良杉 (1961—),男,辽宁凌源人,博士,教授,博士生导师,主要从事矿业系统工程、大数据等方面的研究。E-mail: lntushao@163.com。
基金资助:
SHAO Liangshan, ZHAN Xiaofan
Received:
2019-05-14
Revised:
2019-07-13
Online:
2019-09-28
Published:
2020-10-30
摘要: 为提高矿井突水水源识别的精度,提出一种改进鲸鱼优化算法(IWOA)-混合核极限学习机(HKELM)的水源识别模型。首先将高斯核函数和多项式核函数相结合,构造学习能力和泛化性能较好的HKELM;然后针对鲸鱼优化算法(WOA)易陷入局部最优的问题,提出IWOA算法,引入帐篷映射、改进非线性因子以及设置反向精英学习阈值等3种策略来降低算法过早收敛的概率,并得到更优结果;最后将新庄孜矿的突水水源资料作为仿真数据,降维处理后输入到IWOA-HKELM模型中结果预测。研究表明:通过IWOA优化HKELM参数,可提高HKELM的整体预测性能;IWOA-HKELM的预测结果与实际情况完全一致,与其他模型相比,该模型的平均分类准确率明显提高,平均均方误差和分类准确率标准差明显降低。
中图分类号:
邵良杉, 詹小凡. 基于IWOA-HKELM的矿井突水水源识别[J]. 中国安全科学学报, 2019, 29(9): 113-118.
SHAO Liangshan, ZHAN Xiaofan. Identification method of mine water inrush source based on IWOA-HKELM[J]. China Safety Science Journal, 2019, 29(9): 113-118.
[1] 靳德武, 刘英锋, 刘再斌, 等. 基于FCM的煤矿突水激光诱导荧光光谱分析[J]. 煤炭科学技术,2013,41(1): 1 573-1 576. JIN Dewu, LIU Yingfeng, LIU Zaibin, et al. Laser induced fluorescence spectrum analysis of water inrush in coal mine based on FCM[J]. Coal Science and Technology, 2013, 41(1): 1 573-1 576. [2] 徐建国, 冯增强. 矿井防治水综合技术[M].徐州:中国矿业大学出版社,2007: 34-39. [3] 李燕, 徐志敏, 刘勇. 矿井突水水源判别方法概述[J]. 煤炭技术,2010,29(11): 87-89. LI Yan, XU Zhimin, LIU Yong. Summary on methods for distinguishing sources of mine water-invasion[J]. Coal Technology, 2010, 29(11): 87-89. [4] 王心义, 徐涛, 黄丹.距离判别法在相似矿区突水水源识别中的应用[J]. 煤炭学报,2011,36(8): 1 354-1 358. WANG Xinyi, XU Tao, HUANG Dan. Application of distance discrimince in identifying water inrush resource in similar coalmine[J]. Journal of China Coal Society, 2011, 36(8): 1 354-1 358. [5] 王心义, 赵伟, 刘小满,等.基于熵权-模糊可变集理论的煤矿井突水水源识别[J].煤炭学报,2017,42(9): 2 433-2 439. WANG Xinyi, ZHAO Wei, LIU Xiaoman, et al. Identification of water inrush source from coalfield based on entropy weight-fuzzy variable set theory [J]. Journal of China Coal Society, 2017, 42(9): 2 433-2 439. [6] 徐星, 郭兵兵, 王公忠. 人工神经网络在矿井多水源识别中的应用[J].中国安全生产科学技术,2016,12(1): 181-185. XU Xing, GUO Bingbing, WANG Gongzhong. Application of artificial neural network for recognition of multiple water sources in mine[J]. Journal of Safety Science and Technology, 2016, 12(1): 181-185. [7] 邵良杉,李印超,徐波. 矿井突水水源识别的RS-LSSVM模型[J].安全与环境学报,2017,17(5): 1 730-1 734. SHAO Liangshan, LI Yinchao, XU Bo. RS-LSSVM model for identifying and determinating the mining water inrush origin[J].Journal of Safety and Environment,2017,17(5): 1 730-1 734. [8] 邵良杉, 李相辰. 基于MIV-PSO-SVM 模型的矿井突水水源识别[J]. 煤炭科学技术,2018,46(8): 183-190. SHAO Liangshan, LI Xiangchen. Identification of mine water inrush source based on MIV-PSO-SVM [J]. Coal Science and Technology, 2018, 46(8): 183-190. [9] 冯琳. 基于EIM和FCE的矿井突水水源判别研究[D]. 太原:太原理工大学,2015. FENG Lin. Study of source discrimination of coalmine water inrush based on EIM and FCE [D]. Taiyuan: Taiyuan University of Technology, 2015. [10] 范君,王新,徐慧.粒子群优化混合核极限学习机的构造煤厚度预测方法[J]. 计算机应用,2018,38(6):1820-1825,1830. FAN Jun,WANG Xin,XU Hui. Prediction method of tectonic coal thickness based on particle swarm optimized hybrid kernel extreme learning machine[J]. Journal of Computer Applications, 2018,38(6):1820-1825,1830. [11] Gaganpreet KAUR, Sankalap ARORA. Chaotic whale optimization algorithm[J]. Journal of Computer Design and Engineering,2018,5(3): 275-284. [12] 王涛,Ryad CHELLALI.非线性权重和收敛因子的鲸鱼算法[J].微电子学与计算机,2019,36(1): 11-15. WANG Tao,Ryad CHELLAI. Whale optimization algorithm with nonlinear weight and convergence factor[J].Microelectronics &Computer,2019,36(1): 11-15. [13] 黄亚飞,王国富,张法全,等.基于蜂群算法和带参阈值函数的图像去噪方法[J].计算机工程与应用,2018,54(17): 164-168. HUANG Yafei, WANG Guofu, ZHANG Faquan, et al. Image denoising method based on bee colony algorithm and parametric threshold function. Computer Engineering andApplications, 2018, 54(17): 164-168. [14] TIZHOOSH H R. Opposition-based learning: a new scheme for machine intelligence[C]. International Conference on Computational Intelligence for Modelling, Control and Automation 2005: 695-701. [15] 毛志勇,黄春娟,路世昌,等.基于KPCA-MPSO-ELM的矿井突水水源判别模型[J].中国安全科学学报,2018,28(8): 111-116. MAO Zhiyong, HUANG Chunjuan, LU Shichang, et al. KPCA-MPSO-ELM based model for discrimination of mine water inrush source [J]. China Safety Science Journal,2018, 28(8): 111-116. [16] 关秋红.新庒孜井田地下水化学特征及突水水源快速判别模型[D].合肥:合肥工业大学,2009. GUAN Qiuhong. Chemical characteristics of groundwater and discriminate models of water bursting source in Xinzhuangzi coalfield of Huainan mining area[D]. Hefei: Hefei University of Technology, 2009. |
[1] | 李刚, 刘海振, 杨庆贺, 牛伟锋. 带压开采煤层底板破坏特征与突水风险分析[J]. 中国安全科学学报, 2022, 32(5): 68-76. |
[2] | 曾纪涵, 章光, 吴浩, 胡少华. 改进POT模型下尾矿坝综合预警值确定方法[J]. 中国安全科学学报, 2022, 32(5): 134-139. |
[3] | 王来贵, 赵国超, 刘向峰, 赵娜, 李喜林. 微凸体形状对砂岩节理摩擦因数的影响研究[J]. 中国安全科学学报, 2022, 32(4): 36-43. |
[4] | 洪林, 王文静, 高大猛, 郭英超, 马鸿海. 低温氮吸附中煤阶对临界填充孔径的影响[J]. 中国安全科学学报, 2022, 32(4): 51-58. |
[5] | 成连华, 郭阿娟, 郭慧敏, 曹东强. 煤矿瓦斯爆炸风险耦合演化路径研究[J]. 中国安全科学学报, 2022, 32(4): 59-64. |
[6] | 金洪松, 易富, 戚旭鹏, 于汇泽, 杜常博, 于犇. 加筋尾矿稳定性及界面剪切模型[J]. 中国安全科学学报, 2022, 32(4): 86-92. |
[7] | 姜延航, 白刚, 周西华, 王思琪, 王连华, 范超军. 煤层注CO2驱替CH4影响因素试验研究[J]. 中国安全科学学报, 2022, 32(4): 113-121. |
[8] | 吴学海, 李波波, 高政, 许江, 付佳乐. 气体压力降低对煤岩变形和渗流的影响机制[J]. 中国安全科学学报, 2022, 32(4): 129-134. |
[9] | 朱权洁, 张震, 梁娟, 刘晓辉, 谷雷, 钟磊磊. 一种矿山三维井巷模型快速生成方法及其应用[J]. 中国安全科学学报, 2022, 32(3): 48-57. |
[10] | 赵文彬, 刘方顺, 石新岩, 刘辉, 王忠密, 李振武. 放顶煤工作面立体自燃带动态变化特性研究[J]. 中国安全科学学报, 2022, 32(3): 65-74. |
[11] | 董建军, 杨嫡, 闫斌, 梅媛. 剧烈干湿交替下高海拔排土场安全稳定性研究[J]. 中国安全科学学报, 2022, 32(3): 75-83. |
[12] | 周兢, 刘永升, 豆子钧, 阴慧胜, 张彪, 陈国强. 矿山巷道救援生命保障孔轨迹设计与控制方法[J]. 中国安全科学学报, 2022, 32(3): 84-89. |
[13] | 冯巩, 夏元友, 王智德, 严敏嘉. 基于位移信息融合的露天矿边坡动态预警方法[J]. 中国安全科学学报, 2022, 32(3): 116-122. |
[14] | 马兴莹, 王兆丰, 尉瑞, 周晓庆, 李乾荣. 低温环境瓦斯扩散试验及不同模型契合度分析[J]. 中国安全科学学报, 2022, 32(3): 123-130. |
[15] | 熊钰, 孔德中, 杨胜利, 吴桂义, 左宇军, 程占博. 大倾角工作面煤壁稳定性的云模型综合辨识[J]. 中国安全科学学报, 2022, 32(3): 144-151. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||