中国安全科学学报

作者：葛亮, 周女青, 车洪磊, 肖国清, 赖希, 曾文

单位：1 西南石油大学 机电工程学院,四川 成都 610500；2 西南石油大学 油气藏地质及开发工程全国重点实验室,四川 成都 6105003；3 中国安全生产科学研究院,北京 100012；4 西南石油大学 化学化工学院,四川 成都 610599；5 重庆大学 材料科学与工程学院,重庆 400045

关键词：实验室安全,改进型鹭鹰优化算法(ISBOA),核极限学习机(KELM),多传感器数据融合,智能预警

基金：国家自然基金面上项目(52374234); 省科技计划项目(2023ZHCG0020); 四川省国际港澳台科技创新合作项目(25GJHZ0475); 中国石油集团科学技术研究院项目(2025ZD1406800)

为解决传统实验室环境信息复杂、单传感器检测不准确且精度有限等问题,提出一种面向实验室安全的改进型鹭鹰优化算法(ISBOA)-核极限学习机(KELM)多传感器数据融合预警算法模型。首先,分析KELM的数据融合机制,并通过引入正则化项来有效缓解模型过拟合问题;然后,利用改进ISBOA对KELM中的正则化参数C和核参数σ进行自适应优化,构建ISBOA-KELM多传感器数据融合模型,从而避免人工选取KELM参数所导致的故障诊断准确率低的问题;最后,以模拟数据和试验数据为基础,分别与未改进的鹭鹰优化算法(SBOA)、粒子群算法(PSO)以及灰狼优化算法(GWO)进行性能对比分析。试验结果表明:ISBOA-KELM算法模型相较于其他3种模型准确率分别提高4%、3%、2%,且在实际测试实验室环境下火灾等4种情况的准确率均高于96%,漏报率低于6%,显著提升安全事故预警的可靠性与鲁棒性。

来源：2026年第1期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2026年第1期