基于改进GWO-ELM的矿井突水水源识别算法

针对现有矿井水源判别方法的局限性与煤矿开采水害事故高发性等问题,通过灰狼算法的优化方式对ELM极限学习机算法进行改进,建立改进GWO-ELM算法对顾北矿区的矿井样本水源进行识别,将归一化处理后的6项水化学离子指标作为网络输入向量,样本对应的水源层作为输出向量,通过GWO对网络初始权值阈值的更新迭代有效得到适用于矿井突水水源判别的单隐含层神经网络模型,优化后的网络模型的水源判别准确率高达92.3%,提高了网络结构的稳定性与鲁棒性,解决了矿井水源判别的低效率、低准确率突破等问题,对煤矿灾害防治工作中起到重大推进作用。