作者：邵良杉; 周玉底板破坏深度boosting算法集成学习
摘要：为准确预测煤层底板采动破坏深度,在分析底板破坏深度主要影响因素的基础上确定评判指标;以经粒子群优化算法（PSO）优化输入权值和隐层阈值的极限学习机（ELM）为基预测器,以Boosting算法为集成学习框架,构建基于PSO-ELM-Boosting的底板破坏深度强预测模型;比较不同ELM隐层节点与基预测器个数组合对模型预测精度的影响,2次筛选确定二者的最优组合,并控制样本权值避免发生＂权值扩充＂现象;选取64组底板破坏深度实测数据为试验样本,对比分析PSO-ELM-Boosting模型与其他集成学习模型的预测准确率。结果表明：PSO-ELM-Boosting模型具有更好的平均绝对误差百分比（4.54%）、均方误差（0.429 2 m^2）和拟合优度（0.956 5）,验证了PSOELM-Boosting模型的有效性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
