选取表土层厚度、底板含水层厚度、底板含水层水位速降、井筒外径、井壁厚度、井筒投入使用时间6个立井井筒非采动破裂的特征属性作为判别因子,以工程实测数据作为学习样本,利用遗传算法优化支持向量机参数,建立了煤矿立井井筒非采动破裂的遗传-支持向量机预测模型,并对工程实例进行测试。研究结果表明,该模型预测精度高,回判估计的错误率低,为快速准确地预测立井井筒非采动破裂提供了一种新的方法和途径。

利用组合技术对KNN算法进行改进,并将其应用于煤矿立井井筒非采动破裂的预测.选取表土层厚度、底板含水层厚度、底板含水层水位速降、井筒外径、井壁厚度和井筒投入使用时间作为井筒破裂的特征属性,以工程实测数据作为训练样本,建立基于组合技术的KNN预测模型,并使用测试数据对模型进行测试.实验结果表明,该模型预测精度较高,错误率很低.