矿业研究与开发

作者：苏成哲,邹阳耀,张殿明

关键词：径向基函数;粒子群算法;极限学习机;采空区;危险性评价

为了提高对采空区多源指标危险性辨识的预测精度,基于粒子群(PSO)算法优化极限学习机(ELM)的输入权重和阈值,提出一种PSO-ELM 的方法对采空区多源指标危险性进行辨识.采用影响华南某矿山采空区危险性的开采深度、采矿方式、采空区采高、采空区最大暴露面积、采空区最大暴露高度、采空区最大暴露跨度、矿区矿柱、实测体积和治理率9项指标作为主要输入值,并以135个实测采空区数据为例进行危险等级预测.研究结果表明:径向基函数和传统极限学习机的预测精度分别为88％和92％,而经过粒子群算法优化的极限学习机模型的预测精度为96％.与径向基函数和传统极限学习机相比,PSO-ELM 算法在测试集表现得更好,稳定性和泛化能力更优良,具备良好的指导意义和实用性,适用于实际工程应用.

来源：2025年第2期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2025年第2期