《基于随机森林回归模型的煤胶质层指数预测》作者：王利民，朱立江，刘金鸽【PDF】

书呆熊

基于随机森林回归模型的煤胶质层指数预测
王利民，朱立江，刘金鸽
（1.国家能源集团煤焦化有限责任公司，内蒙古乌海016000；2.华太极光光电技术有限公司，上海200091）
摘要：为了提升煤质检测效率，构建了机器学习回归模型，旨在提升煤质分析的效率和精确度。通过分析99种不同煤样的关键工业参数（包括水分、灰分、挥发分、硫分、粘结指数和胶质层指数），该模型构建了一个全面的数据集。首先，运用皮尔逊相关性分析来识别与胶质层指数密切相关的特征，并采用递归特征消除（recursivefeatureelimination,RFE）与交叉验证结合的方法进一步精炼特征选择。通过构建三种机器学习模型：随机森林回归模型、支持向量机回归模型和决策树回归模型完成煤胶质层指数预测。通过网格搜索和交叉验证技术对模型的超参数进行了优化，以确保模型达到最佳性能。模型的最终评估结果表明，随机森林回归模型预测精度非常高，决定系数（R2）达到了0.969，均方根误差（rootmeansquarederror，RMSE）为0.171，平均绝对误差（meanabsoluteerror,MAE）为0.108.
关键词：胶质层指数；机器学习；随机森林；回归模型；交叉验证
中图分类号：TP18

十万个为什么

这个研究通过机器学习算法显著提升了煤质检测效率