基于代价敏感理论的多决策树煤层底板突水预测模型 论文

在进行煤层底板突水预测时，水害状况一般分为安全和突水2种状态，状态数据具有非平衡特点，而已有的煤层底板突水预测模型主要适用于平衡数据，对非平衡数据集预测结果常呈现“一边倒”现象，即安全状况的预测准确率明显高于突水状况的预测准确率，整体预测性能较低。针对该问题，构建了基于代价敏感理论的多决策树煤层底板突水预测模型。该模型中，每个决策树选用不同的突水影响因素作为单决策树的根节点，单决策树节点属性选择准则融合代价敏感理论及Gini指标，从而加重了对突水数据（少数类）误判的惩罚力度，提高了突水状况的预测性能；根据构建的单决策树突水预测模型得到其规则集，将所有单决策树突水预测模型规则集合并，得到多决策树突水预测模型规则集，采用多决策树突水预测模型规则集得到多个突水数据的预测结果，而后采用少数服从多数原则，基于投票法得到最终的预测结果。实验结果表明：该模型随着惩罚因子的增大，真实正类率预测结果呈现先增后减的趋势；与基于分类回归树（CART）算法的单决策树突水预测模型相比较，在数据不平衡率为2、分类错误惩罚因子取4时，该模型真实正类率可达到93.06%，真实负类率可达到97.85%，准确率为96.2