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....
Saved in:
| Published in | 矿业安全与环保 Vol. 50; no. 1; pp. 54 - 59 |
|---|---|
| Main Authors | , , |
| Format | Journal Article |
| Language | Chinese |
| 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 | |
| Online Access | Get full text |
| ISSN | 1008-4495 |
| DOI | 10.19835/j.issn.1008-4495.2023.01.009 |
Cover
| Abstract | 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. |
|---|---|
| AbstractList | 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. |
| Author | 薛生 吴丙梅 杨超宇 |
| AuthorAffiliation | 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;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 |
| AuthorAffiliation_xml | – name: 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;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 |
| Author_FL | XUE Sheng WU Bingmei YANG Chaoyu |
| Author_FL_xml | – sequence: 1 fullname: WU Bingmei – sequence: 2 fullname: XUE Sheng – sequence: 3 fullname: YANG Chaoyu |
| Author_xml | – sequence: 1 fullname: 吴丙梅 – sequence: 2 fullname: 薛生 – sequence: 3 fullname: 杨超宇 |
| BookMark | eNrjYmDJy89LZWBQNTTQM7S0MDbVz9LLLC7O0zM0MLDQNTGxNNUzMjAy1jMw1DMwsGRh4ISLczDwFhdnJhkYmJmamZiamnMy2Dydv-vJrr6Xs9uedUx4unbZk50Lnk3b-Wzz1OezWp62bXravvvpnA1P-7qf9m58OXPls4blLxe1PNva_XzBlOcrt_EwsKYl5hSn8kJpboZQN9cQZw9dH393T2dHH91iQwNjS11Lg9SUlCSLxNTUFGMDo8TUxFQDQ0NTy7Tk1MQkA0MTM1MT42Rji1QTc2NDMyDfIi05OdXSxMI8zSjZwjQ1NdGYm0EDYm55Yl5aYl56fFZ-aVEe0Mb47MrEwsqMJJB3DYC-tDQGALejZK0 |
| ClassificationCodes | TD324 |
| ContentType | Journal Article |
| Copyright | Copyright © Wanfang Data Co. Ltd. All Rights Reserved. |
| Copyright_xml | – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved. |
| DBID | 2B. 4A8 92I 93N PSX TCJ |
| DOI | 10.19835/j.issn.1008-4495.2023.01.009 |
| DatabaseName | Wanfang Data Journals - Hong Kong WANFANG Data Centre Wanfang Data Journals 万方数据期刊 - 香港版 China Online Journals (COJ) China Online Journals (COJ) |
| DatabaseTitleList | |
| DeliveryMethod | fulltext_linktorsrc |
| DocumentTitle_FL | Research on prediction of rock burst risk based on ensemble learning method |
| EndPage | 59 |
| ExternalDocumentID | kyaqyhb202301009 |
| GrantInformation_xml | – fundername: 国家自然科学基金 funderid: (51934007) |
| GroupedDBID | 2B. 4A8 92I 93N ALMA_UNASSIGNED_HOLDINGS GROUPED_DOAJ PSX TCJ |
| ID | FETCH-LOGICAL-s1039-90eddb8aeed302aeae01159fceab0146543c38e473160148fcce9487f2c85eea3 |
| ISSN | 1008-4495 |
| IngestDate | Thu May 29 04:06:59 EDT 2025 |
| IsPeerReviewed | false |
| IsScholarly | true |
| Issue | 1 |
| Keywords | 集成学习 SHAP值 危险性预测 冲击地压 XGBoost 海明损失 |
| Language | Chinese |
| LinkModel | OpenURL |
| MergedId | FETCHMERGED-LOGICAL-s1039-90eddb8aeed302aeae01159fceab0146543c38e473160148fcce9487f2c85eea3 |
| PageCount | 6 |
| ParticipantIDs | wanfang_journals_kyaqyhb202301009 |
| PublicationCentury | 2000 |
| PublicationDate | 2023-02-01 |
| PublicationDateYYYYMMDD | 2023-02-01 |
| PublicationDate_xml | – month: 02 year: 2023 text: 2023-02-01 day: 01 |
| PublicationDecade | 2020 |
| PublicationTitle | 矿业安全与环保 |
| PublicationTitle_FL | Mining Safety & Environmental Protection |
| PublicationYear | 2023 |
| Publisher | 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 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 |
| Publisher_xml | – name: 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 – name: 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 |
| SSID | ssib006564557 ssj0002925396 ssib036434754 ssib001105362 ssib000270141 ssib051374764 |
| Score | 2.305018 |
| Snippet | TD324;... |
| SourceID | wanfang |
| SourceType | Aggregation Database |
| StartPage | 54 |
| Title | 基于集成学习方法的冲击地压危险性预测研究 |
| URI | https://d.wanfangdata.com.cn/periodical/kyaqyhb202301009 |
| Volume | 50 |
| hasFullText | 1 |
| inHoldings | 1 |
| isFullTextHit | |
| isPrint | |
| link | http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMw1V1LaxRBEB5CBPEiiopvItinsHFmunu6G7zMZGcJgp4SyEEIPY81IGzQJIfk5CFEIRg8qOADDB6UHAQfKCT-ncyG_AuramZ3NiZI9OalaXpqqr7q2p2umqmudpzrWZpm1nhpQ8Lq1hA8Mw3DPdnIcukmqp1aS7k5t-8EE1Pi1rScHhq-O5C1tLiQjKXLh-4r-RerwhjYFXfJ_oVl-0xhAPpgX2jBwtAeycYslsy0WBSyWGCrYxYbZiKmAxYHTGtmXKQJmywMiMaw0MVLJsA-dCLOjGSxYgZuF0gM90Y-dRSLIhIxziLiA_w1jegmizySBQyJj3ZZqHAk9IkPMJFErFCiEdQxLAoGvWGSC_hbhE0jBkQLUgxJgb6uLqFqCtuwJG4x089VJowui0SPDSFCILIm0aizIUCAxrTqKzDcJEEa4KHQCoMafCPi814SdfUb3oc0ilnUJNYuzT2MgLolJ0ETUxlh9DAFFVIYb7-lSpX7jBRSlpNf0ZST78N_5CCUUTKAwtHSWnjqm0_HJcj_E_jA4ompNEKUh6b2VteyrPC-p0i5VJa1wyunq6wKf2A5NxAf0HqO_Mf6_MfQ6lRt1zW1H9PPLr2_ZB8szSZI5Hq0u_eYr1SZxFG9cKm-uWOWcx08QKjBB4pnBlhoqc4J4OC7C1U739LjEIpXLxvQ7_ONLzkdCNgHetxhPTVu_EkJ2jHYadvOvQHndvKUc7KKSkfC8hFz2hlanj3j3Czebe9sr--9We0-eVZ8-rCztdF9udX99mL39Uqx-rV4_LN4-7lYXyueftl7tdl99HHv_Ur3-9ruxvPdzR9nnalWPDk-0agOW2nMUzaIcfMsS7QFn5m7vs1tjsGiaae5TbDAlBQ85ToXeNIdfoVop2luhFZtP9Uyzy0_5wx35jr5eWfES5R1VeqlvJ2JzArLpc28JOVGYsTJLzjXKm1nqofp_MzvNrt4BJpLzon673_ZGV54uJhfgRBhIblKlv4F0C_BDg |
| linkProvider | Directory of Open Access Journals |
| openUrl | ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E9%9B%86%E6%88%90%E5%AD%A6%E4%B9%A0%E6%96%B9%E6%B3%95%E7%9A%84%E5%86%B2%E5%87%BB%E5%9C%B0%E5%8E%8B%E5%8D%B1%E9%99%A9%E6%80%A7%E9%A2%84%E6%B5%8B%E7%A0%94%E7%A9%B6&rft.jtitle=%E7%9F%BF%E4%B8%9A%E5%AE%89%E5%85%A8%E4%B8%8E%E7%8E%AF%E4%BF%9D&rft.au=%E5%90%B4%E4%B8%99%E6%A2%85&rft.au=%E8%96%9B%E7%94%9F&rft.au=%E6%9D%A8%E8%B6%85%E5%AE%87&rft.date=2023-02-01&rft.pub=%E5%AE%89%E5%BE%BD%E7%90%86%E5%B7%A5%E5%A4%A7%E5%AD%A6+%E5%AE%89%E5%85%A8%E7%A7%91%E5%AD%A6%E4%B8%8E%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2%2C%E5%AE%89%E5%BE%BD+%E6%B7%AE%E5%8D%97232001%25%E5%AE%89%E5%BE%BD%E7%90%86%E5%B7%A5%E5%A4%A7%E5%AD%A6+%E5%AE%89%E5%85%A8%E7%A7%91%E5%AD%A6%E4%B8%8E%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2%2C%E5%AE%89%E5%BE%BD+%E6%B7%AE%E5%8D%97232001&rft.issn=1008-4495&rft.volume=50&rft.issue=1&rft.spage=54&rft.epage=59&rft_id=info:doi/10.19835%2Fj.issn.1008-4495.2023.01.009&rft.externalDocID=kyaqyhb202301009 |
| thumbnail_s | http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fkyaqyhb%2Fkyaqyhb.jpg |