论文部分内容阅读
长期以来,煤层底板突水问题一直严重影响着我国主要煤矿生产基地—华北型煤田的煤矿安全生产,煤层底板突水事故的发生造成了重大的人员伤亡和财产损失。进行煤层底板突水预测是亟待解决的关键问题。煤层底板突水是多种因素综合作用的结果,为了进行多因素影响下的煤层底板突水预测,获取煤层底板突水规则,将煤层底板突水预测问题归纳为数据挖掘分类问题,引入数据挖掘分类技术,提出了基于数据挖掘分类技术进行煤层底板突水预测的新方法。本文基于数据挖掘分类技术开展了突水信息特征选择、突水预测模型构建、突水规则获取和突水预测分类系统研发四个方面的研究。首先,在煤层底板突水信息分析的基础上,以各类突水信息为自变量,以是否突水为因变量,利用二项Logistic回归方法建立了煤层底板突水的二项Logistic回归概率模型,完成了煤层底板突水信息第一次特征选择;其次,分别建立了煤层底板突水预测的BP神经网络和PNN神经网络模型,对比分析了不同特征组合条件下BP神经网络和PNN神经网络的分类精度,完成了煤层底板突水信息的第二次特征选择;再次,为了获取煤层底板突水规则,分别建立了煤层底板突水预测的C4.5决策树和CART树模型,获得了基于C4.5决策树和CART树的煤层底板突水规则,分类结果说明CART树规则有较优的分类性能;最后,集成具有较高分类正确率的PNN神经网络和CART树算法研发了煤层底板突水预测数据挖掘分类系统并以华北煤田某矿下组煤首采面突水预测为例开展了系统的应用研究。结果表明数据挖掘分类技术能有效的进行煤层底板突水预测,所开发的煤层底板突水预测数据挖掘分类系统具有实际应用价值。