MI和SVM算法在煤与瓦斯突出预测中的应用

• 作者: 郑晓亮 来文豪 薛生
• 来源期刊: 中国安全科学学报
• 关键词: 多重填补(MI) 支持向量机(SVM) 煤与瓦斯突出 预测 事故识别率
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 安全工程技术|Safety engineering technology
• 页码范围: 75-80
• 页数: 6页
• 分类号: X936
• 语种: 中文
• DOI: 10.16265/j.cnki.issn1003-3033.2021.01.011

摘要

为解决能用于煤与瓦斯突出预测模型的真实事故训练数据量小、数据集缺失严重的问题,提出采用数据挖掘多重填补(MI)算法填补事故数据中缺失参数,增大可用数据集,并将填补后的数据用于支持向量机(SVM)预测模型的训练与测试,选取K最近邻(KNN)算法与SVM进行对比.结果 表明:SVM数据填补前后的平均识别率分别为88.37％和88.87％,事故数据的识别率分别79.71％和91.27％;KNN算法在数据填补前后,平均识别率分别为87.59％和88.37％,事故识别率分别为70.4％和84.23％;可见:MI对平均识别率的提升作用不大,对事故识别率的提升作用显著,可提高煤与瓦斯突出事故预测率,数据填补后SVM算法比KNN算法的事故识别率高.