-
题名MI和SVM算法在煤与瓦斯突出预测中的应用
被引量:22
- 1
-
-
作者
郑晓亮
来文豪
薛生
-
机构
安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室
安徽理工大学电气与信息工程学院
安徽理工大学能源与安全学院
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2021年第1期75-80,共6页
-
基金
“十三五”国家重点研发计划项目(2018YFC0808000)。
-
文摘
为解决能用于煤与瓦斯突出预测模型的真实事故训练数据量小、数据集缺失严重的问题,提出采用数据挖掘多重填补(MI)算法填补事故数据中缺失参数,增大可用数据集,并将填补后的数据用于支持向量机(SVM)预测模型的训练与测试,选取K最近邻(KNN)算法与SVM进行对比。结果表明:SVM数据填补前后的平均识别率分别为88.37%和88.87%,事故数据的识别率分别79.71%和91.27%;KNN算法在数据填补前后,平均识别率分别为87.59%和88.37%,事故识别率分别为70.4%和84.23%;可见:MI对平均识别率的提升作用不大,对事故识别率的提升作用显著,可提高煤与瓦斯突出事故预测率,数据填补后SVM算法比KNN算法的事故识别率高。
-
关键词
多重填补(mi)
支持向量机(SVM)
煤与瓦斯突出
预测
事故识别率
-
Keywords
multiple imputation(mi)
support vector machine(SVM)
coal and gas outburst
prediction
accident recognition rate
-
分类号
X936
[环境科学与工程—安全科学]
-