基于集成学习方法的冲击地压危险性预测研究

TD324; 为了进一步提高冲击地压危险性预测的准确性,利用集成学习方法对冲击地压发生的主要因素指标进行了分析,分别采用集成学习方法中7种分类预测模型对冲击地压危险性进行了预测,实验结果表明,7种模型均具有一定的可靠性,将模型的准确度和海明损失作为评价指标,得出XGBoost算法具有较高的预测性能,可以相对有效地对冲击地压的危险性进行预测.最后,利用SHAP值对XGBoost模型进一步解释,冲击地压危险性受弹性能指数的影响最大....

Full description

Saved in:
Bibliographic Details
Published in矿业安全与环保 Vol. 50; no. 1; pp. 54 - 59
Main Authors 吴丙梅, 薛生, 杨超宇
Format Journal Article
LanguageChinese
Published 安徽理工大学 安全科学与工程学院,安徽 淮南232001%安徽理工大学 安全科学与工程学院,安徽 淮南232001 01.02.2023
安徽理工大学 煤炭安全开采国家地方联合工程研究中心,安徽 淮南232001%安徽理工大学 经济与管理学院,安徽 淮南232001
Subjects
集成学习
SHAP值
危险性预测
冲击地压
XGBoost
海明损失
Online AccessGet full text
ISSN1008-4495
DOI10.19835/j.issn.1008-4495.2023.01.009

Cover

More Information
Summary:TD324; 为了进一步提高冲击地压危险性预测的准确性,利用集成学习方法对冲击地压发生的主要因素指标进行了分析,分别采用集成学习方法中7种分类预测模型对冲击地压危险性进行了预测,实验结果表明,7种模型均具有一定的可靠性,将模型的准确度和海明损失作为评价指标,得出XGBoost算法具有较高的预测性能,可以相对有效地对冲击地压的危险性进行预测.最后,利用SHAP值对XGBoost模型进一步解释,冲击地压危险性受弹性能指数的影响最大.
ISSN:1008-4495
DOI:10.19835/j.issn.1008-4495.2023.01.009