基于代价敏感理论的多决策树煤层底板突水预测模型
李彦民1
周晨阳2
李凤莲1
1.太原理工大学信息与计算机学院,山西晋中0306002.太原理工大学大数据学院,山西晋中030600
摘要：在进行煤层底板突水预测时,水害状况一般分为安全和突水2种状态,状态数据具有非平衡特点,而已有的煤层底板突水预测模型主要适用于平衡数据,对非平衡数据集预测结果常呈现"一边倒"现象,即安全状况的预测准确率明显高于突水状况的预测准确率,整体预测性能较低.针对该问题,构建了基于代价敏感理论的多决策树煤层底板突水预测模型.该模型中,每个决策树选用不同的突水影响因素作为单决策树的根节点,单决策树节点属性选择准则融合代价敏感理论及Gini指标,从而加重了对突水数据(少数类)误判的惩罚力度,提高了突水状况的预测性能;根据构建的单决策树突水预测模型得到其规则集,将所有单决策树突水预测模型规则集合并,得到多决策树突水预测模型规则集,采用多决策树突水预测模型规则集得到多个突水数据的预测结果,而后采用少数服从多数原则,基于投票法得到最终的预测结果.实验结果表明:该模型随着惩罚因子的增大,真实正类率预测结果呈现先增后减的趋势;与基于分类回归树(CART)算法的单决策树突水预测模型相比较,在数据不平衡率为2、分类错误惩罚因子取4时,该模型真实正类率可达到93.06％,真实负类率可达到97.85％,准确率为96.25％,均优于基于CART算法的突水预测模型性能;在数据不平衡率提高到6、分类错误惩罚因子取20时,2种模型的正类率均达到100％,本文模型的负类率为99.37％,准确率为99.47％,依然优于基于CART算法的突水预测模型性能.实验结果验证了本文模型的有效性.
关键词：煤层底板突水预测突水影响因素非平衡数据集代价敏感理论多决策树
分类号：TD745(矿山安全与劳动保护)
资助基金：山西省自然科学基金(201801D121138)山西省人才专项项目(201605D211021)
论文发表日期：2020-12-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 76-83 )
英文信息