典型文献
多模型融合风化基岩富水性预测
文献摘要：
为解决陕北浅埋煤层开采过程中侏罗系风化基岩含水层富水性预测问题,采用方差过滤和交叉递归特征消除算法研究风化基岩含水层富水性特征.使用主要特征训练极限梯度提升树(eXtreme Gradient Boosting,XGBoost)模型构造高级特征,基于Stacking方式叠加随机森林和SoftMax,构建多模型融合的风化基岩富水性预测模型.以红柳林矿区实测水文地质数据进行分析,经过5折交叉验证,结果表明模型预测准确率提升了27.8％和13.2％,micro-auc和macro-auc分别达到了0.94和0.93.可知基于机器学习算法的特征选择代替手工筛选特征可减少人为主观性对预测模型的影响,采用XGBoost构造的高级特征可更充分挖掘原始水文地质数据中存在的富水性规律,融合模型可发挥不同基模型的优势,缓解基模型存在过拟合现象,增加模型整体的预测准确率,为矿井防治水提供依据.
文献关键词：
矿井水害;富水性预测;多模型融合;特征构造;随机森林
中图分类号：
作者姓名：
罗晓霞;王万
作者机构：
西安科技大学 计算机科学与技术学院,陕西 西安710054
文献出处：
引用格式：
[1]罗晓霞;王万-.多模型融合风化基岩富水性预测)[J].西安科技大学学报,2022(03):521-528
A类：
auc
B类：
多模型融合,富水性预测,陕北,浅埋煤层,煤层开采,开采过程,侏罗系,风化基岩含水层,递归特征消除算法,算法研究,极限梯度提升树,eXtreme,Gradient,Boosting,XGBoost,模型构造,Stacking,SoftMax,红柳,柳林,矿区,水文地质,地质数据,交叉验证,预测准确率,准确率提升,micro,macro,基于机器学习,机器学习算法,特征选择,替手,主观性,融合模型,基模,过拟合,矿井防治水,水提,矿井水害,特征构造
AB值：
0.324253
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。
