不均衡数据下的采空区煤自燃PCA-AdaBoost预测模型
来源：中国安全科学学报杂志2018年第3期北京时间：
作者：赵琳琳, 温国锋, 邵良杉
单位：1 山东工商学院 管理科学与工程学院, 山东 烟台 264005;；2 辽宁工程技术大学 系统工程研究所, 辽宁 葫芦岛 125000
摘要：为提高不均衡数据下采空区自然发火预测准确率,选取O2浓度等作为指标,利用主成分分析法(PCA)提取指标的主成分,并将主成分作为自适应增强算法(AdaBoost)输入参数,发火情况作为AdaBoost算法输出参数,建立不均衡数据下采空区自然发火PCA-AdaBoost预测模型;以张家口宣东2号矿为例,选取20组实测数据作为训练样本,用于训练模型;利用受试者工作特征曲线下的面积进行评价预测效果;利用训练好的模型预测15组测试样本,并将结果与粒子群优化支持向量机(PSO-SVM)模型进行比较。结果表明:在不均衡数据集条件下,利用PCA提取的算例的3个主成分包含原始6个指标的86.831%信息,降低了指标相关性,实现了降维;温度和CH4浓度对发火影响更大;所建模型的预测结果与实际情况吻合,其在预测精度和收敛速度方面优于PSO-SVM模型。
关键词：自燃,不均衡数据集,主成分分析(PCA),自适应增强算法(AdaBoost),粒子群优化支持向量机(PSO-SVM)
基金资助：国家自然科学基金资助(71771111,71371091)。
