基于PCA-RF模型的冲击地压预测 |
| |
作者姓名: | 郭浩 杨超宇 |
| |
作者单位: | 安徽理工大学经济与管理学院 |
| |
基金项目: | 国家自然科学基金(No.61873004,多源传感器环境下基于异构特征信息融合的行为识别); |
| |
摘 要: | 为了提高冲击地压危害预测的准确性,基于主成分分析法和随机森林算法,构建了由主成分分析方法优化的随机森林模型,分析静态冲击地压数据并处理异常值,通过数据标准化处理、计算相关系数矩阵及累计方差贡献率,提取出5个主要特征.利用优化的随机森林模型训练冲击地压数据集,使模型参数不断得到优化.以混淆矩阵中的准确率作为评估指标,将优化的随机森林模型与单一随机森林模型进行比较分析.实验结果表明,优化的随机森林模型比单一随机森林模型具备更好的效果,其准确率达到了88.9%,高于单一的随机森林模型,进而得出结论,即优化的随机森林模型能有效地对冲击地压危害进行预测,通过随机森林优化模型,一定程度上有效缩减冲击地压危害预测的时间.
|
关 键 词: | 主成分分析 随机森林 冲击地压 混淆矩阵 机器学习 分类预测 |
|
|