基于小樣本數(shù)據(jù)機器學(xué)習(xí)的煤層底板突水預(yù)測

摘要： 隨著計算機技術(shù)的發(fā)展，機器學(xué)習(xí)方法已成為煤層底板突水預(yù)測的重要技術(shù)；算法預(yù)測精準度對樣本的數(shù)量要求較高，制約著實際應(yīng)用。運用最近鄰算法（KNN）以及梯度提升決策樹（GBDT）與邏輯回歸（LR）結(jié)合運用的算法，基于以水壓、采高、隔水層厚度、斷層落差、煤層傾角、斷層距工作面距離等6項指標的樣本數(shù)據(jù)建立了突水預(yù)測模型，討論了樣本數(shù)量對預(yù)測精度的影響規(guī)律，并與常用的粒子群、支持向量機、... （共9頁）