控制工程

作者：阎馨, 卓志远, 屠乃威

单位：辽宁工程技术大学电气与控制工程学院，辽宁 葫芦岛 125105

关键词：煤与瓦斯突出预测；CatBoost算法；主成分分析；线性判别分析

为了对煤与瓦斯突出进行快速准确的预测，基于主成分分析(principal component analysis, PCA)、线性判别分析(linear discriminant analysis, LDA)和分类提升(categorical boosting, CatBoost)算法构建了PCA-LDA-CatBoost模型。首先，将PCA与LDA相结合，提出PCA-LDA融合方法对数据进行降维处理，避免损失数据中的有效信息；然后，将降维后的数据输入CatBoost模型中，训练模型的结构和关键参数。实验结果表明，PCA-LDA融合方法可以有效地降低数据的维度，减少噪声和低频类别数据对数据分布的影响；相较于支持向量机模型、BP神经网络模型和朴素贝叶斯模型，PCA-LDA-CatBoost模型能够实现小规模样本下的训练和高精度预测，提高了煤与瓦斯突出预测性能，可以为煤矿开采工作提供参考，实现安全生产。

来源：2026年第4期

《控制工程》期刊编辑部

查看控制工程杂志2026年第4期