基于PCA-BO-XGBoost的矿井回采工作面瓦斯涌出量预测
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.13800/j.cnki.xakjdxxb.2022.0223

基于PCA-BO-XGBoost的矿井回采工作面瓦斯涌出量预测

引用
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(XG-Boost)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.

瓦斯涌出量预测、XGBoost算法、主成分分析法、贝叶斯优化、超参数

42

TD76(矿山安全与劳动保护)

国家自然科学基金;陕西省科技厅项目

2022-07-18(万方平台首次上网日期,不代表论文的发表时间)

共9页

371-379

相关文献
评论
暂无封面信息
查看本期封面目录

西安科技大学学报

1672-9315

61-1434/N

42

2022,42(2)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn