来源：期刊VIP网 时间：
作者：王彦彬;闫晓杉;
单位：辽宁工程技术大学工商管理学院;
摘要：为了有效识别煤矿突水水源，以保障煤矿安全生产，使用合成少数类过采样技术(Synthetic Minority Oversampling Technique, SMOTE)补充少数类样本，继而采用支持向量机(Support Vector Machine, SVM)模型对突水水源进行识别。试验选取96条谢桥煤矿水化学数据进行分析，首先对样本数据进行标准化处理和主成分分析(Principal Component Analysis, PCA),将数据集划分为训练集和测试集，对训练集中少数类样本采用SMOTE法生成新的样本，然后采用改进混沌哈里斯鹰优化(Chaos Harris Hawks Optimization, CHHO)算法结合十折交叉验证优化支持向量机惩罚因子C和径向基函数(Radial Basis Function, RBF)核的参数γ,根据优化结果建立突水水源识别模型，对测试集中突水水源进行识别。将该方法与朴素贝叶斯、随机森林所得结果进行比较，结果显示，采用本方法对测试集识别结果准确性优于其他两种方法，表明该方法在突水水源识别上具有良好的实用性和有效性。
关键词：安全工程;;突水水源识别;;主成分分析;;合成少数类过采样技术;;混沌哈里斯鹰优化算法;;支持向量机
基金资助：辽宁省教育厅科学研究经费项目(LJKZ0359)
