Статистический анализ факторов возникновения газодинамических явлений в условиях Гремячинского месторождения калийных солей
DOI:
https://doi.org/10.17072/psu.geol.25.2.168Ключевые слова:
газодинамическое явление, Гремячинское месторождение, случайный лес, классификация, машинное обучение, дерево решений, корреляционный анализАннотация
Разработка месторождений калийных солей осложняется возникающими в процессе эксплуатации газодинамическими явлениями (ГДЯ) различных видов. В свою очередь, для качественного выполнения мероприятий по предупреждению возникновения газодинамических явлений производится прогнозирование зон, опасных по ГДЯ. Сложные геологические условия залегания пласта калийно-магниевых солей накладывают массу ограничений на объемы и сроки проведения эксплуатационной разведки эксплуатируемых месторождений, что вынуждает производить прогнозирование зон, опасных по ГДЯ, а также прочие исследования в условиях постоянного недостатка горно-геологических данных. В данной статье рассмотрено использование классификационной модели типа «Случайный лес» (англ. Random forest) для оценки важности каждого из 14 горно-геологических параметров в индикации зон, опасных по газодинамическим явлениям.
Библиографические ссылки
Андрейко С. С., Калугин П. А., Щерба В. Я. Газодинамические явления в калийных рудниках: генезис, прогноз и управление // Минск: Выш. шк. 2000. ISBN: 985-06-0620-7 EDN: TRZBJX
Андрейко С. С., Лукьянец Е. В. Механизм образования очагов газодинамических явлений в складчатых структурах калийных пластов // Известия ТулГУ. Науки о Земле. 2024. № 1. С. 562–572.
Андрейко С. С., Лядов В. О., Нестеров Е. А. Роль зональности горно-геологических параметров шахтного поля в задаче локального прогнозирования зон, опасных по газодинамическим явлениям // Недропользование. 2025. Т. 25, № 3. С. 262–270. DOI: 10.15593/2712-8008/2025.3.17 EDN ISHBRM
Андрейко С. С., Лядов В. О., Папулов А. С., Абашин В. И. Анализ геологических условий проявления газодинамических явлений в условиях Гремячинского ГОКа // Известия Тульского государственного университета. Науки о Земле. 2024. № 1. С. 465–474. EDN URYHEU
Орлова И. В. Подход к решению проблемы мультиколлинеарности при анализе влияния факторов на результирующую переменную в моделях регрессии // Фундаментальные исследования. 2018. № 3. С. 58–63. EDN:THNCSZ
Саадалов Т., Мырзаибраимов Р., Абдуллаева Ж. Д. Методика расчета коэффициента корреляции Фехнера и Пирсона, и их области применения // Бюллетень науки и практики. 2021. Т. 7, № 10. С. 270–276. DOI: 10.33619/2414-2948/71/31 EDN: GNMYZT
Altmann A., Tolosi L., Sander O., Lengauer T. Permutation importance: a corrected feature importance measure // Bioinformatics. 2010. Vol. 26, No. 10. pp. 1340–1347.
Benesty J., Chen J., Huang Y., Cohen I. Pearson correlation coefficient // Noise reduction in speech processing. Berlin, Heidelberg: Springer Berlin Heidelberg, 2009. pp. 1–4.
Boulesteix A. L., Bender A., Lorenzo Bermejo, J., Strobl C. Random Forest Gini importance favours SNPs with large minor allele frequency: impact, sources and recommendations // Briefings in Bioinformatics. 2012. Vol. 13. No. 3. pp. 292–304.
Charbuty B., Abdulazeez A. Classification based on decision tree algorithm for machine learning // Journal of applied science and technology trends. 2021. Vol. 2. No. 01. pp. 20–28. DOI: 10.38094/jastt20165 EDN: UYVZKB
Lieberman M. G., Morris J. D. The precise effect of multicollinearity on classification prediction // General Linear Model Journal. 2014. Vol. 40. No. 1. pp. 5–10.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
