基于數(shù)據(jù)挖掘分類(lèi)技術(shù)的煤層底板突水預(yù)測(cè).pdf

1、長(zhǎng)期以來(lái)，煤層底板突水問(wèn)題一直嚴(yán)重影響著我國(guó)主要煤礦生產(chǎn)基地一華北型煤田的煤礦安全生產(chǎn)，煤層底板突水事故的發(fā)生造成了重大的人員傷亡和財(cái)產(chǎn)損失。進(jìn)行煤層底板突水預(yù)測(cè)是亟待解決的關(guān)鍵問(wèn)題。煤層底板突水是多種因素綜合作用的結(jié)果，為了進(jìn)行多因素影響下的煤層底板突水預(yù)測(cè)，獲取煤層底板突水規(guī)則，將煤層底板突水預(yù)測(cè)問(wèn)題歸納為數(shù)據(jù)挖掘分類(lèi)問(wèn)題，引入數(shù)據(jù)挖掘分類(lèi)技術(shù)，提出了基于數(shù)據(jù)挖掘分類(lèi)技術(shù)進(jìn)行煤層底板突水預(yù)測(cè)的新方法。
　　 本文基于數(shù)據(jù)挖掘

2、分類(lèi)技術(shù)開(kāi)展了突水信息特征選擇、突水預(yù)測(cè)模型構(gòu)建、突水規(guī)則獲取和突水預(yù)測(cè)分類(lèi)系統(tǒng)研發(fā)四個(gè)方面的研究。首先，在煤層底板突水信息分析的基礎(chǔ)上，以各類(lèi)突水信息為自變量，以是否突水為因變量，利用二項(xiàng)Logistic回歸方法建立了煤層底板突水的二項(xiàng)Logistic回歸概率模型，完成了煤層底板突水信息第一次特征選擇；其次，分別建立了煤層底板突水預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)和PNN神經(jīng)網(wǎng)絡(luò)模型，對(duì)比分析了不同特征組合條件下BP神經(jīng)網(wǎng)絡(luò)和PNN神經(jīng)網(wǎng)絡(luò)的分類(lèi)精度

3、，完成了煤層底板突水信息的第二次特征選擇；再次，為了獲取煤層底板突水規(guī)則，分別建立了煤層底板突水預(yù)測(cè)的C4.5決策樹(shù)和CART樹(shù)模型，獲得了基于C4.5決策樹(shù)和CART樹(shù)的煤層底板突水規(guī)則，分類(lèi)結(jié)果說(shuō)明CART樹(shù)規(guī)則有較優(yōu)的分類(lèi)性能；最后，集成具有較高分類(lèi)正確率的PNN神經(jīng)網(wǎng)絡(luò)和CART樹(shù)算法研發(fā)了煤層底板突水預(yù)測(cè)數(shù)據(jù)挖掘分類(lèi)系統(tǒng)并以華北煤田某礦下組煤首采面突水預(yù)測(cè)為例開(kāi)展了系統(tǒng)的應(yīng)用研究。結(jié)果表明數(shù)據(jù)挖掘分類(lèi)技術(shù)能有效的進(jìn)行煤層底板突