基于HBA-CatBoost算法对矿山水冲入源的识别模型的研究
Jin Xu1, Lulin Zheng2,3, Hong Lan4
1College of Mining, Guizhou University, Guiyang, 550025, PR China.
Scientific reports
|October 8, 2024
概括
一个新的HBA-CatBoost模型准确地识别了矿井水的冲进源. 这种混合蝙蝠算法优化的CatBoost模型为矿山水危险管理提供了更好的速度和准确性.
科学领域:
- 地质科学 地质科学
- 计算机科学 计算机科学
- 采矿工程 采矿工程 采矿工程
背景情况:
- 矿井水的涌入是地下采矿的关键危险.
- 精确识别入水源对于有效的矿山水管理至关重要.
- 现有的方法在确定冲动水源方面面临挑战,特别是在复杂的地质环境中.
研究的目的:
- 引入和验证一个新型模型,HBA-CatBoost,用于准确和高效地识别矿井水的冲进来源.
- 使用混合蝙蝠算法 (HBA) 提高CatBoost模型的性能.
- 采用SHAP方法来解释模型的决策过程.
主要方法:
- 通过将CatBoost算法与混合蝙蝠算法进行优化,开发HBA-CatBoost模型.
- 应用SHAP (沙普利增量解释) 方法来解释模型预测.
- 对HBA-CatBoost与其他模型 (HBA-RF,HBA-XGBoost,CatBoost,RF,XGBoost) 的比较分析.
- 在贵州北部的龙峰煤矿验证该模型的实用性.
主要成果:
- 与其他评估模型相比,HBA-CatBoost模型表现出优越的分类性能.
- 在准确性 (96.43%),回忆力 (97.22%),精度 (96.43%) 和F1 (96.61%) 中获得了高分.
- 混合蝙蝠算法显著提高了CatBoost的融合速度和分类准确性.
- SHAP分析提供了对特征重要性的见解,提高了模型的可信度.
结论:
- HBA-CatBoost模型是一个非常有效的工具,用于识别矿井水的冲进源.
- 将HBA与CatBoost集成为矿山危险预测提供了显著的性能改进.
- 该模型通过SHAP的可解释性增加了其在采矿操作中的可靠性和实际适用性.


