矿井煤与瓦斯突出强度机器学习预测方法探讨

本文通过对高瓦斯突出矿井利民煤矿“四位一体”防突资料的数据挖掘,研究选用了机器学习方法中MARS算法,构建了该矿井突出强度回归预测模型。只要取得并输入待预测地点对应的矿井最相关的突出预兆信息,就可以随时预测计算出对应的突出强度,达到防突措施程度“精准施策”目的,以实现最佳的安全经济效果。

基于TreeNet算法的煤与瓦斯突出预测模型构建研究

针对煤与瓦斯突出矿井防突措施实施过程中,大量的突出预兆信息没有被充分利用,难以指导煤矿有效预测突出的问题,提出了采用CART算法构建突出预兆工程信息测试样本空间,采用分步式迭代逼近方式的TreeNet算法的煤与瓦斯突出预测模型构建方法,通过建立分类预测模型,通过算法找到了测试样本中的重要预测变量,同时通过预测变量对目标变量的贡献归因分析,得到了预测指标取值的最危险区间,以此构建矿井突出预测敏感指标体系。通过对原利民煤矿历年突出资料进行测试分析,发现坚固性系数、最大钻屑量、瓦斯涌出量对突出发生有着较为明显的对应关系,可作为该矿井煤与瓦斯突出预测的敏感指标。研究结果表明:基于TreeNet算法的煤与瓦斯突出预测模型构建是一种机器学习的工作面预测指标的敏感性判别方法,可用于煤矿建立工作面突出预测敏感指标体系。