基于XGBoost的光纤监测矿压时序预测研究_中国煤炭行业知识服务平台

基于XGBoost的光纤监测矿压时序预测研究

作者

柴敬王润沛杜文刚雷武林朱旭宝
单位

西安科技大学能源学院教育部西部矿井开采及灾害防治重点实验室
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的方法，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，采用XGBoost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(SVM)，并与XGBoost回归模型(XGBR)预测结果进行对比分析。试验结果表明，BPNN模型易产生“过拟合”现象，SVM计算速度缓慢且依赖于超参数的选择，XGBoost的计算速度和预测精度均优于其他模型。
关键词

相空间重构分布式光纤 XGBoost SVM BPNN
相关文章

[1]采场覆岩变形分布式光纤监测岩体-光纤耦合性分析
相关专题

这篇文章属于2020封面文章（《采矿与岩层控制工程学报》）（9篇）