基于特征选择与机器学习的煤与瓦斯突出危险等级协同预测方法

作者

林海飞周捷金洪伟李树刚赵鹏翔刘时豪
单位

西安科技大学安全科学与工程学院西安科技大学煤炭行业西部矿井瓦斯智能抽采工程研究中心
摘要

煤与瓦斯突出危险性预测可有效防止煤矿井下突出灾害事故。为进一步提高煤与瓦斯突出危险等级预测的科学性及准确性，构建了基于多算法和多元分析的煤与瓦斯突出动态预测模型。选择51组煤与瓦斯突出工程案例数据作为样本集，对样本数据进行空值填补、数据标准化等预处理，通过引入6种特征选择方法及6种有监督机器学习算法构建了42种煤与瓦斯突出危险等级预测模型。采用准确率、混淆矩阵、Kappa系数及F1值等指标对预测模型的性能进行验证与评估，筛选出精度及稳定度高的4种机器学习算法和3种特征参数组合，确定了8种最优分类模型，并对8组典型的煤与瓦斯突出事故案例进行等级预测。结果表明：8种最优分类预测模型准确率为0.667～0.961,Kappa系数为0.625～0.920,F1值为0.615～1;实际案例煤与瓦斯突出预测准确率为100%,突出等级预测准确率为87.5%。所构建的多参数、多算法、多组合、多判定指标的煤与瓦斯突出等级协同预测模型精度较高，且具有一定的普适性，可为煤与瓦斯突出危险等级预测提供一种新思路。
关键词

煤与瓦斯突出机器学习特征选择等级划分
基金项目(Foundation)

国家自然科学基金重点项目(51734007)；陕西省杰出青年项目(2020JC-48)；新疆维吾尔自治区创新环境建设专项项目(PT201)；
文章目录

1 煤与瓦斯突出危险等级预测数据样本
1.1 煤与瓦斯突出影响因素及强度划分
1.1.1 煤与瓦斯突出指标选取
1) 地应力。
2) 瓦斯因素。
3) 煤体物理力学性质。
1.1.2 煤与瓦斯突出强度划分
1.2 煤与瓦斯突出案例获取
1.3 数据清洗
1.3.1 空值填补
1.3.2 数据标准化
2 煤与瓦斯突出危险等级预测模型
2.1 煤与瓦斯突出危险等级预测流程
1) 样本数据处理
2) 模型确定
① 参数组合确定。
② 分类模型确定。
3) 模型验证
2.2 煤与瓦斯突出危险等级预测模型建立方法
2.2.1 特征选择方法
2.2.2 机器学习算法
2.3 煤与瓦斯突出危险等级预测模型确定
2.3.1 模型初选
1) 参数组合初选
2) 分类器初选
2.3.2 模型优选
2.3.3 确定预测模型
3 突出等级预测模型验证
3.1 煤与瓦斯突出案例数据
3.2 煤与瓦斯突出预测结果
4 结论
引用格式

林海飞,周捷,金洪伟,李树刚,赵鹏翔,刘时豪.基于特征选择与机器学习的煤与瓦斯突出危险等级协同预测方法[J].采矿与安全工程学报,2023,40(02):361-370.DOI:10.13545/j.cnki.jmse.2022.0010.
相关文章

[1]高瓦斯煤层冲击地压与突出的诱发转化条件研究
[2]突出和冲击地压中层裂现象的机理研究