基于双线性变化与多学习机器算法的矿山下沉估算比选模型

• 作者: 何雨森 李骅锦 邓家豪
• 来源期刊: 金属矿山
• 学科: 工学
• 关键词: 矿山开采最大下沉 岩移数据决策 双线性变化 学习机器算法
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 安全与环保
• 页码范围: 175-180
• 页数: 6页
• 分类号: TD325+.2
• 字数: 3576字
• 语种: 中文

摘要

研究矿山地表最大下沉值的估算方法具有重要的安全生产意义,该研究的核心及关键问题在于提高估算的精度.本研究基于岩移数据决策、双线性变化及多种学习机器算法,对比筛选估算效果最优的矿山下沉估算方法.首先基于岩移数据决策方法,确定了采厚、倾角、平均采深、走向长度、倾向长度和覆岩岩性为最大下沉的影响参数;随后基于双线性变化的反推算模型,将倾角项转化为与其他参数相同时域数据以求提高估算精度;最后建立了C&RT、CHAID、Boosting Tree、Random Forest、BPNN和SVR等6种学习机器算法的估算模型.通过实例分析,CHAID和Random Forest方法返回了最差的估算结果,Boosting Tree和C&RT方法的估算结果会出现局部大残差值,BPNN估算时间数倍于其他方法,而SVR模型具有易于操作、耗时较短、精度较高的特点.故本研究认为SVR方法是一种高效可靠的最大下沉估算方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李骅锦	成都理工大学环境与土木工程学院	15	32	3.0	5.0