基于粒子群优化随机森林的煤矿涌(突)水水源机器学习识别技术

随着华北型煤田不断向深部开采,突水水源的威胁日益严重,涌(突)水事故不时发生.从宿南矿区的3种含水层中提取了 120个水样,基于6个地下水常规离子数据,划分了 100个训练集和20个测试集,采用粒子群算法对随机森林的参数进行优化,并结合随机森林建立了水源判别模型.研究结果表明,单一随机森林的测试集综合准确率为85％,粒子群优化的随机森林模型(PSO-RF)测试集水源判别综合精确度为95％.PSO-RF判别模型远高于传统的单一RF模型.因此,提出PSO-RF水源判别模型以提高识别精度有助于矿井水害精准预防与控制.