基于小样本数据机器学习的煤层底板突水预测

摘要： 随着计算机技术的发展，机器学习方法已成为煤层底板突水预测的重要技术；算法预测精准度对样本的数量要求较高，制约着实际应用。运用最近邻算法（KNN）以及梯度提升决策树（GBDT）与逻辑回归（LR）结合运用的算法，基于以水压、采高、隔水层厚度、断层落差、煤层倾角、断层距工作面距离等6项指标的样本数据建立了突水预测模型，讨论了样本数量对预测精度的影响规律，并与常用的粒子群、支持向量机、... （共9页）