期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于PSO-XGBoost的煤层断层智能识别方法研究
1
作者
林朋
孙成
+2 位作者
任珂
刘育林
李阳
《矿业科学学报》
北大核心
2025年第1期57-69,共13页
为进一步提高地下断层识别准确率和解释效率,使用极限梯度提升树(XGBoost)机器学习算法对煤层断层进行智能识别,并结合粒子群算法(PSO)优化模型相关参数,构建基于PSO-XGBoost的断层构造识别模型。建立正演模型对PSO-XGBoost模型进行检验...
为进一步提高地下断层识别准确率和解释效率,使用极限梯度提升树(XGBoost)机器学习算法对煤层断层进行智能识别,并结合粒子群算法(PSO)优化模型相关参数,构建基于PSO-XGBoost的断层构造识别模型。建立正演模型对PSO-XGBoost模型进行检验,并基于滇东矿区采集的实际数据对比分析PSO-XGBoost模型与PSO-RF、PSO-SVM模型的分类预测性能,选择准确率和对数损失值作为评价分类器预测模型的主要指标评价各模型的准确度。结果表明,基于PSO-XGBoost的模型在断层构造识别中展现出较高的准确率和更好的稳定性。
展开更多
关键词
断层识别
XGBoost
PSO
机器学习
参数优化
在线阅读
下载PDF
职称材料
题名
基于PSO-XGBoost的煤层断层智能识别方法研究
1
作者
林朋
孙成
任珂
刘育林
李阳
机构
中国矿业
大学
(北京)地球
科学与
测绘工程
学院
空
天
信息
大学
(
筹
)
遥感
科学与
技术
学院
出处
《矿业科学学报》
北大核心
2025年第1期57-69,共13页
基金
国家重点研发计划(2023YFC3008902)。
文摘
为进一步提高地下断层识别准确率和解释效率,使用极限梯度提升树(XGBoost)机器学习算法对煤层断层进行智能识别,并结合粒子群算法(PSO)优化模型相关参数,构建基于PSO-XGBoost的断层构造识别模型。建立正演模型对PSO-XGBoost模型进行检验,并基于滇东矿区采集的实际数据对比分析PSO-XGBoost模型与PSO-RF、PSO-SVM模型的分类预测性能,选择准确率和对数损失值作为评价分类器预测模型的主要指标评价各模型的准确度。结果表明,基于PSO-XGBoost的模型在断层构造识别中展现出较高的准确率和更好的稳定性。
关键词
断层识别
XGBoost
PSO
机器学习
参数优化
Keywords
fault recognition
XGBoost
PSO
machine learning
parameters optimization
分类号
TD163.1 [矿业工程—矿山地质测量]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PSO-XGBoost的煤层断层智能识别方法研究
林朋
孙成
任珂
刘育林
李阳
《矿业科学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
