基于集成学习投票系统的瓦斯涌出强度分类模型

论文摘要

以平煤一到十三矿1983年以来156次瓦斯突出历史记录为研究对象,提取和瓦斯突出强度相关的因素为特征,分别学习决策树模型、随机森林模型、逻辑斯蒂回归模型和支持向量机模型预测模型,并利用集成方法构建投票决策系统。采用以上模型对47组样本构成的测试集进行预测,逻辑斯蒂回归模型、支持向量机模型预测模型性能显著优于决策树模型,三个模型构建的投票决策系统预测准确率达到92%,F1分数0. 83,比单独模型有微弱提升。

论文目录

• 1 研究现状
• 2 构建突出强度预测模型
•   2.1 决策树算法
•   2.2 随机森林算法
•   2.3 支持向量机回归算法
•   2.4 模型生成及分析
• 3 结论

文章来源

类型: 期刊论文

作者: 刘铖朴

关键词: 煤与瓦斯突出,强度预测,逻辑回归,支持向量机,随机森林,集成方法

来源: 内蒙古煤炭经济 2019年07期

年度: 2019

分类: 经济与管理科学,工程科技Ⅰ辑

专业: 矿业工程,安全科学与灾害防治

单位: 中国矿业大学(北京)地球科学与测绘工程学院

分类号: TD713

DOI: 10.13487/j.cnki.imce.013882

页码: 111-112

总页数: 2

文件大小: 200K

下载量: 45