改进鱼鹰算法优化深度极限学习机在MOS生产工艺风险评估中的应用

摘要

为提升连续化氯硅烷法制甲基三丁酮肟基硅烷(MOS)工艺风险评估的准确性，构建了一种耦合非线性降维与智能优化算法的风险评估模型。基于危险性与可操作性分析与事故致因理论，系统识别出涵盖人员、物料、设备与管理4个维度的关键风险因素，并构建31项指标的风险因素体系。利用核主元分析(KPCA)提取主特征，减少冗余干扰。融合反向学习与柯西分布机制的改进型鱼鹰优化算法(IOOA),优化深度极限学习机(DELM)结构参数，建立KPCA-IOOA-DELM模型。结果表明：该模型在多个风险等级上均具备优异的识别性能，整体准确率达96.43%,在准确性、鲁棒性等方面优于对比模型。

关键词

机器学习 / 风险评估 / 核主元分析 / 改进鱼鹰优化算法 / 深度极限学习机