您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 基于JADE-ELM的煤巷围岩稳定性预测

  2. 为了对煤巷围岩稳定性进行科学、准确的预测,提出了一种将自适应差分进化算法(JADE)与极限学习(ELM)结合的煤巷围岩稳定性预测新方法。基于ELM训练速度快、泛化能力好和易获取全局最优解的优点,采用JADE优化ELM的输入权值矩阵和隐含层偏差,减少随机性造成的误差,建立JADE-ELM煤巷围岩稳定性预测模型。利用霍州煤矿区煤巷实测数据进行实例分析,并将预测结果与ELM、BP、RBF神经网络比较。结果显示:JADE-ELM模型预测平均精度为97.85%,比ELM、BP、RBF模型分别高出4.05%
  3. 所属分类:其它

    • 发布日期:2020-04-23
    • 文件大小:233472
    • 提供者:weixin_38697579