典型文献
基于PCA-PNN的采空区多源指标危险性辨识
文献摘要：
为了提高采空区多源指标危险性辨识的预测精度,基于主成分分析(PCA)和概率神经网络(PNN),提出1种采空区多源指标危险性辨识方法.将影响华东某地区矿山采空区危险性辨识的9项因素作为主要影响因素,并以96个实测采空区为例进行分级.研究结果表明:与朴素贝叶斯、随机森林和AdaBoost 3种机器学习算法相比,PNN在测试集上表现更好,对实际工程具有良好的指导意义和应用价值.
文献关键词：
采空区;危险性评价;主成分分析;概率神经网络;机器学习
中图分类号：
作者姓名：
曹占华;袁海平;李恒喆
作者机构：
合肥工业大学 土木与水利工程学院,安徽 合肥230009
文献出处：
引用格式：
[1]曹占华;袁海平;李恒喆-.基于PCA-PNN的采空区多源指标危险性辨识)[J].中国安全生产科学技术,2022(12):104-109
A类：
B类：
PNN,危险性辨识,概率神经网络,辨识方法,华东,某地区,矿山采空区,朴素贝叶斯,AdaBoost,机器学习算法,测试集,意义和应用,危险性评价
AB值：
0.2613
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
