基于随机森林模型判别矿井涌(突)水水源

摘要：

快速准确判别矿井涌(突)水水源对保障矿井安全生产有重要意义.近年来人类的活动对不同含水层的影响与日俱增,为提高矿井涌(突)水水源判别的准确性,提出选取地下水中7种常见离子浓度,和能够充分反映人类活动痕迹的硝酸根离子浓度及化学需氧量作为水化学判别指标,采用随机森林模型进行矿井涌(突)水水源判别.为验证选取指标和判别方法的有效性,以大孤山铁矿为例,将数据输入随机森林模型进行100次交叉验证,并将验证结果与支持向量机模型和极限学习机模型进行比较.结果表明,随机森林模型预测结果稳定性较强,预测正确率不容易波动;随机森林在建模过程中参数拥有宽广的适应范围.树的棵数为50时,训练误差趋于稳定,改变树的棵数对预测结果没有实际影响,而其余二者对参数选取较为敏感;随机森林的参数可以通过袋外数据(OOB)错误率简单地得到,而其余二者参数调整时需要通过交叉验证的方式才可以取得;随机森林对训练样本进行验证,正确率可达100％,对测试样本进行验证,正确率可达97.38％,两项精度均优于支持向量机与极限学习机;随机森林模型拥有更高的预测精度和鲁棒性,在矿井涌(突)水水源判定方面有较好的应用前景.

关键词：地下水来源、矿井涌(突)水、水化学成分、随机森林

所属期刊栏目：20

分类号：TD745+.2(矿山安全与劳动保护)

资助基金：国家自然科学基金;国家重点研发计划

在线出版日期：2020-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：6411-6418