论文摘要
预测采煤工作面的瓦斯涌出量属于机器学习中的回归问题,主流方法包括CART和支持向量机等。CART决策树回归算法具有抽取规则简单、准确度高、可解释性强的优势,但是算法稳定性差,容易过拟合,同时每个叶节点的输出部分均为定值,难以动态的模拟真实数据的变化规律。支持向量机具有较好的鲁棒性,能够通过求解最小结构化风险来提高模型泛化能力,但是算法复杂度高,面对高维数据算法建模效率低下。结合支持向量机提出一种增强CART回归算法,最主要的改进是在每个叶节点的输出部分使用支持向量机建模。试验结果表明,与主流瓦斯涌出预测算法相比,增强CART回归算法能够有效提高采煤工作面瓦斯涌出量的预测精度。
论文目录
文章来源
类型: 期刊论文
作者: 刘鹏,魏卉子,景江波,仰彦妍
关键词: 瓦斯涌出量,预测精度,算法,支持向量机,煤与瓦斯突出
来源: 煤炭科学技术 2019年11期
年度: 2019
分类: 工程科技Ⅰ辑,信息科技
专业: 矿业工程,安全科学与灾害防治,自动化技术
单位: 矿山互联网应用技术国家地方联合工程实验室,中国矿业大学物联网(感知矿山)研究中心,中国矿业大学信息与控制工程学院
基金: 国家重点研发计划资助项目(2017YFC0804401,2017YFC0804409)
分类号: TP181;TD712.5
DOI: 10.13199/j.cnki.cst.2019.11.015
页码: 116-122
总页数: 7
文件大小: 327K
下载量: 184