在煤矿开采过程中，导水裂隙带的发育高度直接影响到矿井的水害风险，准确预测导水裂隙带的发育高度是确保采矿安全和有效资源开采的关键问题。然而，厚松散层薄基岩条件下的地质环境复杂，导致传统的预测方法如经验公式、理论分析等在实际应用中面临较大的局限性。为了精准预测厚松散层薄基岩下导水裂隙带的发育高度，在梳理厚松散层薄基岩条件下影响导水裂隙带发育高度的12个因素基础上，对定性因素（开采方法、底部含水层富水性）进行了量化预处理，构建了一种基于麻雀搜索算法（SSA）和随机森林（RF）的导水裂隙带的发育高度复合预测模型（SSA-RF）。模型采用袋外数据误差（OOB error）对随机森林回归模型的超参数进行迭代寻优，快速确定了随机森林回归模型的最优超参数，利用训练好的最优模型进行十折交叉实验，得出R2为0.941，均方误差（MSE）为31.241，平均绝对误差（MAE）为3.56，三个关键性能指标上均优于SVM、BP-Network、Lasso、Elastic-Net和Ridge预测模型，其相对误差的模数值极小，且四分位数间距异常狭窄，SSA-RF模型在重复实验中展现出高度的稳定性和一致性，同时利用SSA-RF对12个影响因素进行重要度分析，通过重要性排序图和相关性热力图深入揭示了开采高度、开采方法、底部含水层水压、底部粘土层厚度等关键因素对导水裂隙带发育高度的影响，验证了SSA-RF模型可提高RF模型的预测指标重要度排序的合理性，能够为厚松散层薄基岩条件下导水裂隙带发育高度的准确预测提供有力的理论支撑.

0引 言
1 SSA-RF预测模型的基本原理
1.1麻雀搜索算法(SSA)
1.2 随机森林算法(RF)
1.3 SSA-RF预测模型的构建流程
2 导水裂隙带发育高度影响因素与样本数据的选取
2.1 影响导水裂隙带发育高度的因素选取
2.2 影响因素的预处理
2.3 导水裂隙带发育高度样本数据的选取
3 SSA-RF模型的超参数设置
4 SSA-RF预测模型特征变量重要度分析
5 SSA-RF预测模型评估验证
6 结语

王忠昶,唐小航,张文泉,等.基于SSA-RF模型的导水裂隙带发育高度的智能预测[J/OL].煤炭科学技术,1-12[2025-02-26].http://kns.cnki.net/kcms/detail/11.2402.td.20250225.1226.004.html.