典型文献
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
文献摘要：
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.
文献关键词：
煤矿水害;随机森林;粒子群优化算法;机器学习;宿南矿区
中图分类号：
作者姓名：
胡友彪;琚棋定
作者机构：
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 232001
文献出处：
引用格式：
[1]胡友彪;琚棋定-.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)[J].煤炭科技,2022(04):52-60
A类：
宿南矿区
B类：
华北型煤田,深部开采,突水水源,日益严重,不时,含水层,水样,训练集,测试集,粒子群算法,水源判别,判别模型,随机森林模型,PSO,RF,集水,识别精度,矿井水害,精准预防,预防与控制,煤矿水害,粒子群优化算法
AB值：
0.288116
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。
