文献类型：期刊文章

作　　者：陈建宏[1] 李小龙[1,2] 梁伟章[1]

CHEN Jian-hong;LI Xiao-long;LIANG Wei-zhang(School of Resources and Safety Engineering,Central South University,Changsha410083,China;The 91292 Troops of PLA,Gaobeidian074000,China)

机构地区：[1]中南大学资源与安全工程学院 [2]中国人民解放军91292部队

出　　处：《长江科学院院报》

基　　金：国家自然科学基金项目(51374242;51404305)

年　　份：2018

卷　　号：35

期　　号：12

起止页码：96-101

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2017_2018、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为更合理确定膨胀土类别,将主成分分析(PCA)与极限学习机(ELM)相结合,提出一种膨胀土分类的PCA-ELM模型。选取能充分反映膨胀土类别的液限、塑性指数、<2μm胶粒含量与自由膨胀率4项指标进行分析,运用主成分分析对各指标进行相关性处理,依据方差累计贡献率得出2个主成分。将70%的样本划分为训练集,30%划分为测试集,将训练集作为极限学习机输入,并采用十折交叉验证以优化模型参数,从而得到最优分类模型。然后将测试集作为最优模型输入,得到分类结果。最后,选用2个工程实例共32个样本对所建立模型进行验证,结果表明:该模型分类结果与实际较吻合;训练集与测试集分类精度分别达94. 20%和79. 00%,并具有较快的训练速度。PCA-ELM模型适用于大规模数据的分类预测。

关 键 词：膨胀土 极限学习机 主成分分析 分类模型  交叉验证  

分 类 号：TU443]