文献

J-GLOBAL ID：201702272941989441   整理番号：17A1674323

坑井湧水量予測のPCA-GA-ELMモデルと応用【JST・京大機械翻訳】

Research on PCA-GA-ELM Model of Mine Inflow Prediction

著者 (3件)： Liu Zhixiang (中南大学資源与安全工程学院,湖南 長沙,410083) ,  Liu Yiran (中南大学資源与安全工程学院,湖南 長沙,410083) ,  Lan Ming (中南大学資源与安全工程学院,湖南 長沙,410083)
資料名： Huangjin Kexue Jishu  (Huangjin Kexue Jishu)
巻： 25  号： 1  ページ： 61-67  発行年： 2017年 
JST資料番号： C2696A  ISSN： 1005-2518  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 坑井の湧水量を迅速かつ効果的に予測し,予測精度を改善するために,主成分分析法(PCA),遺伝的アルゴリズム(GA),および限界学習機械(ELM)を組み合わせた坑井水の予測のための新しい方法を提案した。坑井湧水の実例データに基づき、9つの主要な要素を総合的に選び、坑井の湧水量の予測指標として、PCAによるデータの次元縮小前処理を行い、ELMアルゴリズムの不足に対して、GAアルゴリズムを用いて最適化訓練を行い、坑井の水量予測のPCA-GA-ELMモデルを構築した。モデルの訓練と検査を行い、PCA-GA-ELMモデルをGA-ELMモデル、単一ELMモデルの予測結果と比較分析し、その予測結果は実際の状況とより一致した。このモデルの予測効果はGA-ELMモデルとELMモデルより優れており、鉱山の湧水量に対してより正確かつ有効な予測を行うことができ、科学的な参考根拠を提供し、鉱山生産を指導することができる。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 学習機械 ,  遺伝的アルゴリズム ,  次元縮小 ,  *モデル ,  *湧水 ,  *坑井 ,  前処理 ,  鉱山 ,  *予測 ,  アルゴリズム ,  最適化 ,  主成分分析
準シソーラス用語： *水量 ,  予測精度 ,  *湧水量 , 【Automatic Indexing@JST】

分類 (1件)： 油層工学  (UA10030G)

タイトルに関連する用語 (5件)： 坑井 ,  湧水量 ,  予測 ,  モデル ,  応用