• 全部
主办单位:煤炭科学研究总院有限公司、中国煤炭学会学术期刊工作委员会
融合特征选取与机器学习的煤矿安全生产态势预测
  • 作者

    叶黎明施式亮鲁义李贺

  • 单位

    湖南科技大学资源环境与安全工程学院福建省核工业二九四大队湖南科技大学煤矿安全开采技术湖南省重点实验室

  • 摘要
    为提高煤矿安全态势的预测精度,提出一种基于特征选取与机器学习融合的煤矿安全生产态势预测模型.首先,对1978年—2019年我国煤矿安全生产态势的相关数据进行归一化处理,使用全子集回归和随机森林2种特征选择方法对8种煤矿安全生产态势的影响因素进行组合;然后,运用岭回归、分类与回归树、自适应提升和极端梯度提升4种机器学习算法分别对12种煤矿安全生产态势特征参数组合进行预测,得到48种预测模型,根据各模型的平均判定系数对模型进行初步筛选;最后,综合比较归一化均方误差以及平均绝对百分比误差,得到2组待调优模型,分别对其进行超参数调优,得到最优预测模型.结果表明:最优预测模型的判定系数为0.971,归一化均方误差为0.029,平均绝对百分比误差为5.3%.
  • 关键词

    煤矿安全生产态势特征选取机器学习预测

  • DOI
  • 引用格式
    叶黎明,施式亮,鲁义,等.融合特征选取与机器学习的煤矿安全生产态势预测[J].湖南科技大学学报(自然科学版),2024,39(4):28-36.
  • 相关文章
相关问题
立即提问

主办单位:煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会

©版权所有2015 煤炭科学研究总院有限公司 地址:北京市朝阳区和平里青年沟东路煤炭大厦 邮编:100013
京ICP备05086979号-16  技术支持:云智互联