基于信息增益优化支持向量机模型的煤矿瓦斯爆炸风险预测

摘要：

为了探索基于样本数据的煤矿瓦斯爆炸风险预测,依据本质安全理念构建了预测瓦斯爆炸风险的指标集,结合机器学习与特征优化算法提出了信息增益(information gain,IG)与支持向量机(support vector machine,SVM)的组合模型,通过对优化后的14种特征信息的分类学习,完成对风险未知样本的预测任务.以全国100家煤矿企业为研究对象,使用不同模型分别预测瓦斯爆炸风险并全面分析和比较,实验结果表明,经过IG优化后的SVM模型预测正确率达到了95.45％,相对于单一SVM模型提高了9.09％,同时高于其他预测模型,证明了该组合模型在瓦斯爆炸风险预测领域的优越性.

关键词：瓦斯爆炸风险、本质安全、支持向量机、信息增益

所属期刊栏目：21

分类号：TD76(矿山安全与劳动保护)

资助基金：国家自然科学基金;甘肃省高等学校科研项目;甘肃省重点研发项目

在线出版日期：2021-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3544-3549