-
题名环境空气中PM10主要来源解析
被引量:6
- 1
-
-
作者
宋红光
鲁磊
-
机构
贵州省煤矿设计研究院
广东省湛江市环境科学技术研究所
-
出处
《电子测试》
2013年第5X期232-233,共2页
-
文摘
PM10是主要环境空气污染物之一,本文采用因子分析法(FA)确定PM10的主要来源。实验证明,因子分析法结合实际监测的分析结论,与A市实际情况拟合度非常高,可作为环境空气中PM10来源解析的方法。
-
关键词
来源解析
PM10
因子分析法(fa)
-
Keywords
Source apportionment
PM10
factor analysis
-
分类号
X831
[环境科学与工程—环境工程]
-
-
题名基于预处理的AFOA-ELM冲击地压危险预测模型
被引量:4
- 2
-
-
作者
温廷新
李洋子
-
机构
辽宁工程技术大学系统工程研究所
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2019年第8期29-34,共6页
-
基金
国家自然科学基金资助(71371091)
辽宁省教育厅基金资助(L14BTJ004)
-
文摘
为提高冲击地压危险性预测准确率,提出一种基于预处理的改进的果蝇优化算法(AFOA)优化极限学习机(ELM)的预测模型。以重庆砚石台煤矿为例,选取其10个冲击地压危险性影响因素作为模型特征;以部分实测数据作为样本数据集并进行预处理,采用合成少数类过采样技术(SMOTE)构建平衡数据集,使用灰色关联分析法(GRA)及因子分析法(FA)降低特征维度;针对果蝇优化算法(FOA),引入跳脱变量和分类准确率方差变量构造AFOA,利用AFOA优化选取ELM的输入层权值及隐含层阈值,构建冲击地压危险预测模型,训练预处理样本数据、预测并对比其他模型预测结果。结果表明:数据集预处理可以显著提高AFOA-ELM模型预测效果;基于预处理的AFOA-ELM冲击地压危险预测模型,预测准确率为93.75%,均方误差为6.25%,预测精度显著优于其他对比模型。
-
关键词
冲击地压
危险性预测
合成少数类过采样技术(SMOTE)
因子分析法(fa)
灰色关联分析法(GRA)
极限学习机(ELM)
改进的果蝇优化算法(AFOA)
-
Keywords
rock burst
risk prediction
synthetic minority oversampling technique(SMOTE)
factor analysis(fa)
grey relational analysis(GRA)
extreme learning machine(ELM)
ameliorated fruit fly optimization algorithm(AFOA)
-
分类号
X936
[环境科学与工程—安全科学]
-