基于数据挖掘算法的底板破坏深度预测

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.

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

所属期刊栏目：49

分类号：TD327.3(矿山压力与支护)

资助基金：山东省自然科学基金2016ZRB019TW

在线出版日期：2017-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：92-95