典型文献
基于MICE_RF的组合赋权—极限随机树岩爆预测模型
文献摘要：
目前岩爆预测的真实训练数据量小、数据存在缺失,为了更加准确地预测岩爆等级,提出了一种基于链式随机森林多重插补(MICE_RF)算法的组合赋权—极限随机树(ET)预测模型.首先,在选取岩爆灾害主要评判指标的基础上,采用MICE_RF算法插补缺失数据;然后,由改进层次分析法(IAHP)和基于指标相关性的权重确定方法(CRITIC)确定指标主、客观权重,并引入权向量距离概念对指标组合赋权;最后,将插补和赋权后数据集采用ET算法,构建岩爆等级预测模型.利用国内外工程实例数据进行20次随机抽样试验,并与其他模型进行对比分析.结果表明:MICE_RF插补后可显著提高岩爆模型预测效果;改进AHP-CRITIC法较改进前更具优势,该模型平均预测准确率为93.10％,各比较指标结果均优于对比模型,预测结果更稳定.
文献关键词：
岩爆等级预测;数据缺失;链式随机森林的多重插补(MICE_RF)算法;组合赋权;权向量距离;极限随机树(ET)算法
中图分类号：
作者姓名：
温廷新;苏焕博
作者机构：
辽宁工程技术大学工商管理学院,辽宁 葫芦岛 125105
文献出处：
引用格式：
[1]温廷新;苏焕博-.基于MICE_RF的组合赋权—极限随机树岩爆预测模型)[J].黄金科学技术,2022(03):392-403
A类：
权向量距离
B类：
MICE,RF,组合赋权,极限随机树,岩爆预测,训练数据,数据量,多重插补,ET,岩爆灾害,评判指标,补缺,缺失数据,改进层次分析法,IAHP,基于指标,权重确定,确定方法,CRITIC,客观权重,数据集采,岩爆等级预测,工程实例,随机抽样,样试,进前,模型平均,预测准确率,对比模型,更稳,数据缺失
AB值：
0.327537
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。
