双策略耦合优化的含瓦斯煤破裂过程信号辨识

为解决含瓦斯煤破裂过程信号特征的辨识问题,以双向长短时记忆网络(BiLSTM)为基分类器,提出一种基于AdaBoost算法与哈里斯鹰优化(HHO)算法双策略耦合优化的辨识模型。首先针对AdaBoost算法中错误样本占比随迭代不断增加影响最终强分类器辨识效果的问题,引入权重参数,以改变弱分类器权重,提高辨识精度;然后为确定最优的模型参数,结合HHO,优化辨识参数与权重参数,优化过程中HHO与改进的AdaBoost算法产生耦合作用,使得辨识模型的准确性和稳定性达到最优,平均准确率为91.36%,标准差缩小至0.0174。研究结果表明:双策略耦合优化HHO-AdaBoost-BiLSTM含瓦斯煤体破裂过程信号特征辨识模型准确性更高,稳定性更强。