基于数据挖掘算法的底板破坏深度预测

• 作者: 刘占新 张志学 白丽扬 赵金海
• 来源期刊: 煤炭工程
• 学科: 工学
• 关键词: 数据挖掘 底板破坏深度 Weka平台 贝叶斯分类器 支持向量机 神经网络 决策树 随机森林
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 研究探讨
• 页码范围: 92-95
• 页数: 4页
• 分类号: TD327.3
• 字数: 3014字
• 语种: 中文
• DOI: 10.11799/ce201706027

摘要

针对以往使用单一因素预测底板破坏深度误差较大的问题,基于开源数据挖掘工具Weka平台,以底板破坏因素为样本应用贝叶斯分类器、支持向量机、神经网络、决策树和随机森林模型实现对底板破坏深度数据的整理挖掘分析,从多因素角度出发完成对底板破坏深度的综合预测.平台应用结果表明,工作面斜长、埋深为破坏深度的主要影响因素;神经网络模型的节点错误率最低,决策树模型最高;神经网络和随机森林模型在详细的精度方面准确率达95%;总体分析对比神经网络预测效果最优,能够较好实现对煤矿底板破坏深度的预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白丽扬	山东科技大学矿业与安全工程学院	1	3	1.0	1.0
2	赵金海	山东科技大学矿业与安全工程学院	4	10	2.0	3.0
3	刘占新	山东科技大学矿业与安全工程学院	4	11	3.0	3.0
4	张志学		3	4	1.0	2.0