基于极限学习机的矿井突水水源快速识别模型
来源期刊:煤炭学报2017年第9期
论文作者:王亚 周孟然 闫鹏程 胡锋 来文豪 杨勇 张延喜
文章页码:2427 - 2432
关键词:矿井突水;水源识别;激光诱导荧光光谱;主成分分析;极限学习机;
摘 要:在煤矿突水灾害防治过程中,需要快速准确地识别出突水水源类型。激光诱导荧光技术具有灵敏度高和快速监测的特点,利用该技术获取水样的荧光光谱。光谱经卷积平滑预处理和主成分分析提取特征信息后,采用极限学习机算法建立多元分类学习模型。确定隐含层激励函数为Sigmoid函数,并通过交叉验证法确定最优隐含层节点个数。从训练网络的平均时间、训练和测试的平均分类准确率和标准差方面,与BP和SVM传统分类算法进行了性能比较。结果表明:在训练集和测试集上的平均分类准确率方面,该模型与传统分类模型基本一致,但该模型分类准确率的标准差最小,说明其具有较稳定的分类性能;在训练模型学习时间方面,该模型能够大幅度降低分类学习时间,说明其具备快速识别突水水源性能。
王亚1,2,周孟然1,闫鹏程1,胡锋1,来文豪1,杨勇3,张延喜4
1. 安徽理工大学电气与信息工程学院2. 阜阳师范学院计算机与信息工程学院3. 中国矿业大学资源与地球科学学院4. 淮南矿业集团谢桥煤矿
摘 要:在煤矿突水灾害防治过程中,需要快速准确地识别出突水水源类型。激光诱导荧光技术具有灵敏度高和快速监测的特点,利用该技术获取水样的荧光光谱。光谱经卷积平滑预处理和主成分分析提取特征信息后,采用极限学习机算法建立多元分类学习模型。确定隐含层激励函数为Sigmoid函数,并通过交叉验证法确定最优隐含层节点个数。从训练网络的平均时间、训练和测试的平均分类准确率和标准差方面,与BP和SVM传统分类算法进行了性能比较。结果表明:在训练集和测试集上的平均分类准确率方面,该模型与传统分类模型基本一致,但该模型分类准确率的标准差最小,说明其具有较稳定的分类性能;在训练模型学习时间方面,该模型能够大幅度降低分类学习时间,说明其具备快速识别突水水源性能。
关键词:矿井突水;水源识别;激光诱导荧光光谱;主成分分析;极限学习机;