期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于IRMO-XGBoost的地表沉陷预计模型研究
1
作者 王军胜 王宏涛 +4 位作者 张文 白宇 金亮星 高志勇 刘娉婷 《安全与环境学报》 北大核心 2025年第9期3504-3513,共10页
煤矿地表沉陷严重威胁矿区生态环境及周边基础设施安全,因此精准预计地表沉陷意义重大。但地表沉陷的预计复杂,概率积分法预计地表沉陷准确性较低。提出了一种基于改进的径向移动(Improved Radial Movement Optimization,IRMO)算法优化... 煤矿地表沉陷严重威胁矿区生态环境及周边基础设施安全,因此精准预计地表沉陷意义重大。但地表沉陷的预计复杂,概率积分法预计地表沉陷准确性较低。提出了一种基于改进的径向移动(Improved Radial Movement Optimization,IRMO)算法优化极致梯度提升(eXtreme Gradient Boosting,XGBoost)算法的地表沉陷预计模型,通过IRMO算法选择XGBoost算法中的学习率、正则化等超参数的最优值,提高了地表沉陷预计精度,并与遗传算法(Genetic Algorithm,GA)优化的XGBoost算法、XGBoost算法的预测结果进行了对比分析,IRMO-XGBoost模型的均方根误差R_(MSE)(0.156)和平均绝对误差M_(AE)(0.126)更低,决定系数R^(2)(0.970)更高。运用IRMO-XGBoost模型对建北煤矿4^(-2)煤305工作面的地表沉陷值进行了预测,结果表明,IRMO-XGBoost模型预测精度明显优于XGBoost算法。最后用Shapley解释(SHapley Additive exPlanations,SHAP)方法量化模型的输入特征对地表沉陷预测的贡献。基于IRMO-XGBoost构建的地表沉陷预计模型精度高,可以极大地帮助矿区掌握地表沉陷对地表环境的破坏程度,为矿区生态环境的保护管理和安全生产措施的制定提供超前预测。 展开更多
关键词 安全工程 地表沉陷预计 改进的径向移动算法 极致梯度提升算法 概率积分法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部