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。

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)；

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

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.