基于PCA-BO-XGBoost的矿井回采工作面瓦斯涌出量预测 |
| |
引用本文: | 王媛彬,李媛媛,韩骞,李瑜杰,周冲.基于PCA-BO-XGBoost的矿井回采工作面瓦斯涌出量预测[J].西安科技大学学报,2022(2):371-379. |
| |
作者姓名: | 王媛彬 李媛媛 韩骞 李瑜杰 周冲 |
| |
作者单位: | 西安科技大学电气与控制工程学院 |
| |
基金项目: | 国家自然科学基金项目(52174198); |
| |
摘 要: | 针对矿井回采工作面瓦斯涌出量预测精度欠佳的问题,建立基于极端梯度提升(XGBoost)瓦斯涌出量预测模型。首先,为解决瓦斯涌出量影响因素维数高和信息冗余等问题,在预测模型中引入主成分分析法(PCA)对11种影响因素降维。其次,通过贝叶斯优化算法(BOA)对XGBoost中超参数进行优化以提高预测模型的精度。最后,将训练集数据作为预测模型的输入进行训练,利用训练好的模型对测试集数据进行验证,并与传统的BP神经网络和支持向量机进行对比。结果表明:PCA-BO-XGBoost模型的平均绝对误差为0.070 3,均方根误差为0.095 7,能够满足对瓦斯涌出量预测的精度要求。与其他机器学习算法相比,建立的模型预测精度更高、耗时更短、效率均更高,对煤矿井回采工作面瓦斯涌出量的预测精度和效率提升具有借鉴作用。
|
关 键 词: | 瓦斯涌出量预测 XGBoost算法 主成分分析法 贝叶斯优化 超参数 |
|
|