刘晓明，王 新，徐 慧

(中国矿业大学 计算机科学与技术学院，江苏 徐州 221116)

0 引 言

构造煤是由原生结构的煤层在构造应力作用下，发生了结构和成分显著变化而形成的一种煤体[1]。目前，在我国对能源的需求不断加大的背景下，越来越多的复杂矿井已经开始投入生产，同时煤矿的开采范围及深度也在不断的增加。虽然煤矿提高了产量，但也使得瓦斯危害的问题越来越突出。因此，如果可以根据构造煤厚度及其分布来划分煤矿瓦斯突出区域[2]，也就能减少事故的发生，保障煤矿生产的安全。目前，很多机器学习的方法被应用到煤层厚度预测和构造煤厚度预测中，如：模糊神经网络、极限学习机等[3,4]。众多学者多致力于单一目标的煤层或构造煤层厚度预测，如果能够同步预测出煤层和构造煤的厚度，以此划分出煤与瓦斯危险区域，就能为煤矿的开采提供可靠的保障。多目标预测是一个活跃且快速发展的研究领域，多目标回归(MTR)目前已经应用在到很多领域，如生态模型预测、水文模型预测[5,6]等。多目标回归相比为每个目标构建单独的回归预测模型，主要有两个优点。首先，构建单个多目标回归模型通常比对所有变量单独构建回归模型总规模小；其次，多目标回归模型能更好地识别不同目标变量之间的依赖关系。

多目标随机森林MTRF(multi-target random forest)是一种多目标预测方法，它是以决策树为基本分类器的集成学习算法，通过对训练数据以及特征的自采样来构建预测模型。……