基于机器学习的露天煤矿粉尘浓度预测_中国煤炭行业知识服务平台

基于机器学习的露天煤矿粉尘浓度预测

作者

赵耀忠严俊龙任吉凯杨玉坤刘强谢世坤栾博钰
单位

华能伊敏煤电有限责任公司伊敏露天矿中国矿业大学矿业工程学院北京中矿露采科学技术研究院
摘要

为实现对露天矿粉尘浓度进行预测，以伊敏露天矿现场环境监测数据为支撑，通过皮尔逊相关系数分析样本特征的线性相关程度，确定以风速、光照度、温度、湿度为样本输入特征，PM2.5为输出特征，以线性回归算法、随机森林算法、K-近邻算法、支持向量机算法、梯度提升树算法共五种机器学习算法为基础，建立了多因素环境影响下的粉尘浓度监测模型。研究结果表明：对于五种算法，其评价指标RMSE分别为10.6526、7.8313、8.2265、6.8288、8.8709,其中以支持向量机算法建立的预测模型对于该样本粉尘数据预测效果最好。
关键词

露天煤矿机器学习粉尘浓度预测皮尔逊相关系数
文章目录

1 研究数据
1.1 数据获取
1.2 数据预处理
2 研究方法
2.1 线性回归算法原理
2.2 随机森林算法原理
2.3 K-近邻算法原理
2.4 支持向量机算法原理
2.5 梯度提升树算法原理
2.6 评价指标
3 模型预测
3.1 超参数选取
3.2 模型预测结果
4 结论
引用格式

赵耀忠,严俊龙,任吉凯,杨玉坤,刘强,谢世坤,栾博钰.基于机器学习的露天煤矿粉尘浓度预测[J].煤炭工程,2022,54(S1):157-161.
相关文章

[1]露天煤矿正射影像切片技术应用研究

煤问提

煤传媒

煤视界

科技创新50强

会员中心