%0 Journal Article %A 邵良杉 %A 兰亭洋 %A 李臣浩 %T 基于改进花朵授粉算法的极限学习机模型 %D %R 10.19678/j.issn.1000-3428.0053285 %J 计算机工程 %P 281-288 %V 45 %N 12 %X 为提高瓦斯突出风险预测的准确率和效率,在极限学习机(ELM)模型的基础上构建预测模型ACFPA-ELM。采用核线性鉴别分析(KLDA)对瓦斯突出样本数据进行特征抽取,利用代价敏感思想修正ELM适应度函数,同时将Tent混沌搜索和自适应算子引入花朵授粉算法(FPA)中,优化ELM的初始输入权值和阈值,从而提高对瓦斯突出风险的预测能力。实验结果表明,相较于经典的SVM、BP和ELM单一预测模型以及改进的FPA-ELM和PSO-ELM复合预测模型,ACFPA-ELM模型在瓦斯突出风险预测的准确率、预测一致性以及运行效率方面均具有明显的优势。 %U http://www.ecice06.com/CN/10.19678/j.issn.1000-3428.0053285