矿井突水水源识别的主成分分析-混沌麻雀搜索-RF模型

为快速、准确地识别矿井突水水源,根据矿井不同含水层水化学成分的差异性,将Na^(+)+K^(+)、Ca^(2+)、Mg^(2+)、Cl^(-)、SO_(4)^(2-)、HCO_(3)^(-)及总硬度作为判别指标。利用主成分分析(Principal Component Analysis,PCA)对数据进行降维,并通过混沌麻雀搜索算法(Chaotic Sparrow Search Algorithm,CSSA)对随机森林(Random Forest,RF)模型中树深和树数目参数进行寻优,建立了基于PCA-CSSA-RF的矿井突水水源识别模型。选取新庄孜矿实测的45组样本数据进行预测分析,33组数据用于模型训练,12组数据用于识别测试,并将结果与其他模型识别结果进行对比。研究表明,利用PCA对数据进行降维可以减少原始数据中的冗余,利用CSSA优化的RF模型可提高全局搜索能力和预测能力,用该模型可提高突水水源识别的效率和准确率。