一种基于机器学习模型的煤矿风险智能监测方法和计算机设备
申请号:CN202410816904
申请日期:2024-06-24
公开号:CN118378900B
公开日期:2024-09-17
类型:发明专利
摘要
本发明涉及煤矿风险智能监测技术领域,具体公开一种基于机器学习模型的煤矿风险智能监测方法和计算机设备,包括:影响煤矿风险评分的模型构建与数据收集;对收集的数据进行数据预处理;基于梯度提升决策树的煤矿风险评分预测模型的训练;煤矿风险评分预测模型的评估;煤矿风险评分预测模型结果的可解释性分析。本发明基于GBDT模型构建煤矿风险评分关系模型,全面地评估煤矿的风险状况、了解煤矿风险评分的影响因素;同时考虑煤矿生产数据、环境监测数据、设备运行数据、人员行为数据、历史事故数据与煤矿风险水平的关系,通过综合分析影响煤矿风险水平中的关键要素,更精准地了解煤矿的安全状况和潜在风险,从而采取相应的预防和管理措施。
技术关键词
评分预测模型
智能监测方法
环境监测数据
设备运行数据
风险
机器学习模型
梯度提升决策树
GBDT算法
GBDT模型
煤矿设备
计算机设备
智能监测技术
训练集
设备运行状态
指标
学习器
处理器
节点数