基于指标信息融合的冲击地压危险等级预测

TD324; 随着煤矿开采深度的增加,冲击地压频发,精准预测冲击地压危险等级对于煤矿安全开采至关重要,然而影响冲击地压的指标众多,且数据特性不同,针对单一算法无法满足不同指标要求的问题,提出了基于数据挖掘的指标信息融合模型预测方法.该模型由条件K近邻、加成随机森林和权重表决算法组成,首先将埋深指标输入条件K近邻算法,然后将其他指标输入加成随机森林算法,分别使用 2 种算法进行冲击地压危险等级预测,最后将 2 种算法的预测结果放入权重表决算法中进行表决,加权结果最大的危险等级即为最终危险等级.使用2010-2013 年在千秋煤矿 10 个工作面采集的 350 条样本数据,进行数据挖掘与模型构建;...

Full description

Saved in:
Bibliographic Details
Published in煤矿安全 Vol. 56; no. 2; pp. 118 - 125
Main Authors 乔美英, 史有强
Format Journal Article
LanguageChinese
Published 河南省智能装备直驱技术与控制国际联合实验室,河南 焦作 454003%河南理工大学 电气工程与自动化学院,河南 焦作 454000 2025
河南理工大学 电气工程与自动化学院,河南 焦作 454000
Subjects
条件K近邻
conditional K nearest neighbor
rock burst
冲击地压
data mining
加成随机森林
Bonus random forest
危险等级预警
hazard level warning
数据挖掘
Online AccessGet full text
ISSN1003-496X
DOI10.13347/j.cnki.mkaq.20240242

Cover

More Information
Summary:TD324; 随着煤矿开采深度的增加,冲击地压频发,精准预测冲击地压危险等级对于煤矿安全开采至关重要,然而影响冲击地压的指标众多,且数据特性不同,针对单一算法无法满足不同指标要求的问题,提出了基于数据挖掘的指标信息融合模型预测方法.该模型由条件K近邻、加成随机森林和权重表决算法组成,首先将埋深指标输入条件K近邻算法,然后将其他指标输入加成随机森林算法,分别使用 2 种算法进行冲击地压危险等级预测,最后将 2 种算法的预测结果放入权重表决算法中进行表决,加权结果最大的危险等级即为最终危险等级.使用2010-2013 年在千秋煤矿 10 个工作面采集的 350 条样本数据,进行数据挖掘与模型构建;使用 2015-2016 年在千秋煤矿 4 个工作面采集的 20 条样本数据进行实验验证.结果表明:基于数据挖掘的指标信息融合模型预测方法相比较于传统预测方法具有更高的预测准确性.
ISSN:1003-496X
DOI:10.13347/j.cnki.mkaq.20240242