科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决陕北浅埋煤层开采过程中侏罗系风化基岩含水层富水性预测问题，采用方差过滤和交叉递归特征消除算法研究风化基岩含水层富水性特征。使用主要特征训练极限梯度提升树(eXtreme Gradient Boosting, XGBoost)模型构造高级特征，基于Stacking方式叠加随机森林和SoftMax,构建多模型融合的风化基岩富水性预测模型。以红柳林矿区实测水文地质数据进行分析，经过5折交叉验证，结果表明模型预测准确率提升了27.8%和13.2%,micro-auc和macro-auc分别达到了0.94和0.93。可知基于机器学习算法的特征选择代替手工筛选特征可减少人为主观性对预测模型的影响，采用XGBoost构造的高级特征可更充分挖掘原始水文地质数据中存在的富水性规律，融合模型可发挥不同基模型的优势，缓解基模型存在过拟合现象，增加模型整体的预测准确率，为矿井防治水提供依据。
- 单位
