基于PCA-PNN的采空区多源指标危险性辨识

作者：曹占华; 袁海平; 李恒喆

来源：中国安全生产科学技术, 2022, 18(12): 104-109.

DOI：10.11731/j.issn.1673-193x.2022.12.014

• 采空区
• 危险性评价
• 主成分分析
• 概率神经网络
• 机器学习

为了提高采空区多源指标危险性辨识的预测精度，基于主成分分析(PCA)和概率神经网络(PNN),提出1种采空区多源指标危险性辨识方法。将影响华东某地区矿山采空区危险性辨识的9项因素作为主要影响因素，并以96个实测采空区为例进行分级。研究结果表明：与朴素贝叶斯、随机森林和AdaBoost 3种机器学习算法相比，PNN在测试集上表现更好，对实际工程具有良好的指导意义和应用价值。

• 单位
  合肥工业大学