基于粒子群优化随机森林的煤矿涌(突)水水源机器学习识别技术
胡友彪1
琚棋定2
1.安徽理工大学地球与环境学院,安徽淮南 232001;矿井水害综合防治煤炭行业工程研究中心,安徽淮南 2320012.安徽理工大学地球与环境学院,安徽淮南 232001
摘要：随着华北型煤田不断向深部开采,突水水源的威胁日益严重,涌(突)水事故不时发生.从宿南矿区的3种含水层中提取了 120个水样,基于6个地下水常规离子数据,划分了 100个训练集和20个测试集,采用粒子群算法对随机森林的参数进行优化,并结合随机森林建立了水源判别模型.研究结果表明,单一随机森林的测试集综合准确率为85％,粒子群优化的随机森林模型(PSO-RF)测试集水源判别综合精确度为95％.PSO-RF判别模型远高于传统的单一RF模型.因此,提出PSO-RF水源判别模型以提高识别精度有助于矿井水害精准预防与控制.
关键词：煤矿水害随机森林粒子群优化算法机器学习宿南矿区
分类号：TD742(矿山安全与劳动保护)
论文发表日期：2022-08-28
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：9( 52-60 )
英文信息