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

来源：采矿与岩层控制工程学报, 2020, 2(04): 64-71.

DOI：10.13532/j.jmsce.cn10-1638/td.20200317.002

• 相空间重构
• 分布式光纤
• XGBoost
• SVM
• BPNN

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。

• 单位
  西安科技大学