中国安全科学学报

作者：徐晓滨, 施凡, 冯静, 徐晓健, 常雷雷

单位：1 杭州电子科技大学 自动化学院, 浙江 杭州 310018；2 杭州电子科技大学 中国-奥地利人工智能与先进制造“一带一路”联合实验室, 浙江 杭州 310018

关键词：地下采掘工程,AdaBoost,高韧性,安全评估,异常数据,正常数据

基金：浙江省属高校基本科研业务费专项资助(GK239909299001-010); 国家重点研发计划资助(2022YFE0210700); 国家自然科学基金资助(61903108); 浙江省杰出青年基金资助(LR21030001)

为确保煤炭地下采掘工程的安全性,提出一种基于AdaBoost的高韧性安全评估方法。首先,将隧道设计参数、地质条件参数和施工参数作为模型的输入,矿井沉降值作为输出,将施工现场采集的输入参数数据划分为训练数据集和测试数据集;其次,从数据集中抽取多个训练子集,分别建立多个子模型;然后,分别计算子模型的误差和权重,以神经网络作为基准模型,将所有训练数据集划分为正常数据和异常数据,并更新权重;最后,根据加权后的数据集,构建AdaBoost预测模型,并开展案例分析,验证该方法的有效性。结果表明:相比于直接使用AdaBoost算法,基于正常数据和异常数据构建的AdaBoost高韧性安全评估方法所得的结果准确率更高,该方法具有一定的科学性和有效性。

来源：2023年第S1期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2023年第S1期