基于机器学习的煤矿突水预测方法

由于影响煤矿突水的因素多、相关性强，影响模型预测精度；数据收集工作量大，成本较高，如何科学地选取特征以提高模型预测准确率成为本文重点研究内容.本文首先提出采用稳定性选择方法在已知的22个影响因素中选取7个最重要的因素，之后构建随机森林、神经网络以及支持向量机3种典型机器学习分类预测模型对特征选取前后的数据进行预测分析，实验结果表明，特征选取后的预测模型非常稳定且预测准确率可达100%，同时降低了样本数据收集成本.