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 |
| |
引用本文: | 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(2):361-370. |
| |
作者姓名: | 林海飞 周捷 金洪伟 李树刚 赵鹏翔 刘时豪 |
| |
作者单位: | 1. 西安科技大学安全科学与工程学院;2. 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 |
| |
基金项目: | 国家自然科学基金重点项目(51734007); |
| |
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 |
|
|