摘要
本发明公开了一种基于SOA‑KELM的煤矿煤层顶板导水裂缝带高度预测方法及系统,方法包括:初始化海鸥优化算法SOA的参数,设定适应度函数为核极限学习机KELM模型的训练样本期望输出与实际输出的均方根误差;基于SOA算法对KELM模型的正则化系数和核函数参数进行优化寻优,得到最优参数组合;根据所述最优参数组合,建立SOA‑KELM预测模型;采用测试集样本对所述SOA‑KELM预测模型的性能进行评价与验证,输出煤矿煤层顶板导水裂缝带高度。本发明结合SOA算法实现了KELM模型关键参数的自动寻优,避免了KELM模型关键参数人为预设导致的性能缺陷,有效提高了模型预测精度。
技术关键词
导水裂缝带高度
煤层顶板
极限学习机
参数
位置更新
算法
样本
数据获取模块
数据处理模块
训练集
开采深度
预测系统
误差
轨迹
螺旋
精度
运动
系统为您推荐了相关专利信息
神经模糊推理系统
偏差
参数
神经网络模型
输出特征
城市内涝灾害
灾害风险评估
计算机执行指令
同义词
指标
医学图像识别方法
卷积神经网络模型
医学图像数据库
光谱仪模块
梯度算法
光伏面板
多维特征向量
清洗参数
清洗方法
视觉特征