Gradient Boosting算法在典型浅埋煤层 液压支架选型中的应用

摘要：

针对目前工作面液压支架阻力确定方法的不足,提出了1种新的预测方法,采用改进后的逻辑斯提算法(LR)来优化梯度提升回归(GBRT)模型,以此来预测液压支架阻力.在GBRT中加入学习速率来限制子模型的学习速率,防止其过拟合;应用LR对样本参数进行优化,建立LR-GBRT回归预测模型;将该预测模型应用于液压支架阻力的预测,预测结果与LR(线性回归模型)、SVM(支持向量机模型)、DTR(决策树回归模型)、EN(弹性网回归模型)进行对比分析.结果表明:LR-GBRT模型具有较强的泛化能力,较高的预测精度,可以对液压支架阻力进行有效预测.

关键词：梯度提升回归算法、逻辑斯谛算法、工作面液压支架阻力、预测、学习速率

所属期刊栏目：51

分类号：TD353(矿山压力与支护)

资助基金：国家自然科学基金;国家自然科学基金;陕西省创新能力支撑计划科技创新团队资助项目

在线出版日期：2020-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：166-170,175