基于过采样支持向量机的煤与瓦斯突出预测

摘要：

基于机器学习的煤与瓦斯分类预测方法中,各突出案例的数量不平衡会导致预测准确率降低.为了提升煤与瓦斯突出预测模型的准确率及稳定性,构建了过采样算法和支持向量机(support vector machine,SVM)组合的分类预测模型.首先,通过聚类分析将突出样本分成多个簇,在每个簇中对可能的噪声点按概率去除;然后通过过采样算法合成新样本,以减少样本数量不均衡对模型训练的影响;最后,用支持向量机模型结合粒子群算法对新数据集进行训练调优.实验结果表明:提出的模型在G-mean、曲线下面积(area under curve,AUC)值上均高于传统的分类模型,具有更强的算法鲁棒性,并且随着突出样本数量的减少,其优势更加明显.

关键词：聚类分析;支持向量机(SVM);过采样算法;煤与瓦斯突出;分类预测

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：2021-10-29（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：12080-12087