基于PCA-PNN的采空区多源指标危险性辨识

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。