煤与瓦斯突出预测的随机森林模型

被引:38
作者
温廷新
张波
邵良杉
机构
[1] 辽宁工程技术大学系统工程研究所
关键词
随机森林; 因子分析; 煤与瓦斯突出; 强度预测;
D O I
暂无
中图分类号
TD713 [煤(岩石)与瓦斯突出的预防和处理];
学科分类号
081903 [安全技术及工程];
摘要
煤与瓦斯突出是煤矿开采过程中主要的动力灾害之一,针对煤与瓦斯突出等级预测问题,提高突出预测的准确率,选取最大主应力、瓦斯压力、瓦斯含量、顶板岩性、距断裂距离、煤层厚度、开采垂深、绝对瓦斯涌出量和相对瓦斯涌出量9个影响因素作为煤与瓦斯突出等级预测的评价指标,同时对相关程度较高的评价指标进行因子分析,提取公共因子,用随机森林算法进行训练预测,建立了基于因子分析的煤与瓦斯突出预测的随机森林模型。通过煤矿实测19组煤与瓦斯突出的数据作为训练样本数据集进行模型的训练,5组数据作为该预测模型的测试数据,进行煤与瓦斯突出预测,同时通过其他预测模型预测结果的对比,验证了随机森林算法在煤与瓦斯突出预测中具有较高的准确度。
引用
收藏
页码:233 / 237
页数:5
相关论文
共 12 条
[1]
管理统计.[M].马庆国著;.科学出版社.2002,
[2]
基于PCA-BP神经网络的煤与瓦斯突出预测研究 [J].
朱志洁 ;
张宏伟 ;
韩军 ;
宋卫华 .
中国安全科学学报, 2013, 23 (04) :45-50
[3]
露天采矿爆破振动对民房破坏的旋转森林预测模型 [J].
邵良杉 ;
赵琳琳 .
中国安全科学学报, 2013, 23 (02) :58-63
[4]
随机森林理论浅析 [J].
董师师 ;
黄哲学 .
集成技术, 2013, 2 (01) :1-7
[5]
基于随机森林的潜在k近邻算法及其在基因表达数据分类中的应用 [J].
杨帆 ;
林琛 ;
周绮凤 ;
符长虹 ;
罗林开 .
系统工程理论与实践, 2012, 32 (04) :815-825
[6]
矿井煤与瓦斯突出数学模型的建立 [J].
李坤 ;
由长福 ;
祁海鹰 .
工程力学, 2012, 29 (01) :202-206
[7]
蛋白质中RNA-结合残基预测的随机森林模型 [J].
马昕 ;
郭静 ;
孙啸 .
东南大学学报(自然科学版), 2012, 42 (01) :50-54
[8]
基于改进随机森林的故障诊断方法研究 [J].
庄进发 ;
罗键 ;
彭彦卿 ;
黄春庆 ;
吴长庆 .
计算机集成制造系统, 2009, 15 (04) :777-785
[9]
煤与瓦斯突出预测灰色理论-神经网络方法 [J].
郭德勇 ;
李念友 ;
裴大文 ;
郑登锋 .
北京科技大学学报, 2007, (04) :354-357
[10]
煤与瓦斯突出预测技术研究现状及发展趋势 [J].
聂百胜 ;
何学秋 ;
王恩元 ;
刘贞堂 ;
撒占友 .
中国安全科学学报, 2003, (06)