基于選擇性集成學習的煤與瓦斯突出預測研究.pdf

1、　　我國是一個煤炭生產大國，而煤與瓦斯突出事故時有發(fā)生，從而嚴重制約著煤礦的生命財產安全。在煤礦的安全生產中，煤礦瓦斯突出危險性預測與防治工作，一直是人們關注的重大科研課題。已有研究表明，煤與瓦斯突出突出機理十分復雜，影響因素眾多，預報防治工作難度很大，因此突出預測研究一直是一個熱點研究問題。
　　本文將機器學習領域里的“選擇性集成”思想引入到煤與瓦斯突出預測研究中，并且與粗糙集理論，神經網絡理論等相結合，構建了基于選擇性集成學

2、習的煤與瓦斯突出預測研究模型。首先，利用粗糙集理論對煤與瓦斯突出信息進行數據離散化，特征信息提取，刪除冗余信息，降低神經網絡基學習器學習的復雜性，然后采用基于學習樣本擾動的策略訓練出多個神經網絡基學習器，在定義不同基學習器之間距離的基礎上，采用基于改進的K-means 聚類算法對基學習器進行聚類，選擇出差異化大的，預測準確率高的基學習器進行選擇性集成，生成集成學習器。最后用集成學習器進行煤與瓦斯突出預測，實驗結果表明，基于選擇性集成學習