XGBoost在光纤监测矿压的时序预测研究 |
| |
作者单位: | ;1.1. 西安科技大学 能源学院,陕西 西安 710054;2. 教育部西部矿井与灾害防治点实验室,陕西 西安 710054 |
| |
摘 要: | 为掌握矿山压力显现规律,针对岩石内部变形预测难的问题,采用XGBoost算法和分布式光纤技术相结合,基于相似材料模型试验,制作三维立体模型,并在模型内部预埋3根垂直光纤,模拟工作面开采。引入光纤平均频移变化度作为判断周期来压指标,构建矿压监测数据的相空间,使用XGBoost的方法建立矿山压力显现规律时间序列预测模型。同时,在训练样本和测试样本不变的前提下,建立BP神经网络回归模型( BPNN )、支持向量机回归模型( SVR ),并与XGBoost回归模型( XGBR )预测结果进行对比分析。试验结果表明,BP神经网络易产生过拟合现象,SVM计算速度缓慢且依赖超参数的选择,XGBoost的计算速度和预测精度优于别的模型,为预测提供参考。
|
关 键 词: | 相空间重构 分布式光纤 XGBoost SVM BPNN |
Study on time series prediction of rock pressure by XGBoost in optical fiber monitoring |
| |
Abstract: | |
| |
Keywords: | |
|