煤炭科学技术

作者：刘伟韬, 卢润时, 杜衍辉,

关键词：水源判别, 水化学特征, 核主成分分析, 粒子群优化算法, 随机森林算法,

在复杂地质条件下仅依赖传统水化学特征相似性判别方法难以精准判定矿井水水样来源，因此将机器学习算法与寻优算法相结合，提出了一种基于KPCA-PSO-RF矿井突水水源判别模型。首先在分析主要含水层地下水水化学特征的基础上选取11种水化学指标(K++Na+、Ca2+、Mg2+、Cl−、\mathrmSO_4^2- 、\mathrmHCO_3^- 、\mathrmCO_3^2- 、TDS、TH、TA、pH)作为水源判别特征参数，利用核主成分分析(KPCA)提取3种主要指标作为模型判别的因子，然后通过粒子群优化算法(PSO)对随机森林算法(RF)超参数开展迭代寻优工作，最后将96组地下水样本数据按7∶3划分为训练样本与测试样本进行训练，建立KPCA-PSO-RF模型，并将判别结果与RF、PSO-RF和KPCA-GridSearchCV-RF模型进行对比。结果表明：经5折交叉验证，运用Min-Max标准化方法与KPCA算法降维处理水化学数据并提取前3种主成分，可以有效消除样本间的冗余与重叠，并弥补传统PCA算法无法处理复杂非线性样本的局限性；运用PSO迭代寻优RF超参数，经65次迭代确定最优组合(n_estimators=54、max_depth=11、min_samples_split=7)，可以增强模型分类准确性，消除参数设置盲目性；与相关判别模型比较，KPCA-PSO-RF模型在准确率(96.55%)、精确率(97.32%)、召回率(98.21%)、F1分数(0.965 9)等方面均优于对比模型，其泛化性更佳，准确性更高。将阳城煤矿10组矿井水水样数据输入到训练好的模型中，判别结果与现场突水实测结果一致，准确判断1308工作面突水水源为奥灰含水层，3305工作面涌水水源为三灰含水层，实现了精准区分。

来源：2026年第5期

《煤炭科学技术》期刊编辑部

查看煤炭科学技术杂志2026年第5期