基于SSA优化BP神经网络的易燃易爆气体分类算法研究

由各种传感器检测爆炸物的技术已经在多种条件下被用于检测不同类型的爆炸物,但同类型的爆炸物识别分类技术几乎没有,且针对传统BP神经网络模型收敛速度慢、易陷入局部最优值等问题,该文采用PWCLM混沌映射和高斯突变算子来改进麻雀搜寻算法(SSA),优化模型的初始权值,并对6种易燃易爆气体进行识别分类。最后再将该模型与BP、SSA-BP和WOA-BP等模型进行对比,使用3种评价指标对3种模型进行评价。结果表明,ISSA-BP模型稳定性高,识别精度优于其他几种模型,最终ISSA-BP模型的分类准确率、召回率和F1指数分别为99.01%、99.12%和99.12%。