矿业研究与开发

作者：赵兵朝，张晴，王京滨，陈迪，陈攀，冯欣怡

关键词：麻雀搜索算法﹔XGBoost 模型;组合模型;地表下沉系数

为解决当前地表下沉系数预测模型精度有限,模型不统一,计算繁琐且不利于泛化等问题,对现有35组样本数据中地表下沉系数影响因素进行分析,建立了基于麻雀搜索算法(SSA)优化极限梯度提升树(XGBoost)的预测模型,通过SSA-XGBoost模型迭代学习地表下沉系数与煤层采高、煤层倾角﹑覆岩岩性,深采比,基载比和基采比之间的非线性映射关系,得到了基于SSA-XGBoost模型预计的下沉系数预测值,并利用拟合优度,预测均方根误差和平均绝对百分比误差对下沉系数预测值进行精度分析。结果表明:基于SSA-XGBoost模型建立的地表下沉系数预测组合模型的拟合优度为0.9516,预测均方根误差仅为0.0206,平均绝对百分比误差仅为2.47% ,SSA-XGBoost模型相对于XGBoost模型、 BP神经网络模型.随机森林算法模型拟合优度分别提升了15.79%、111%和62.81%,预测均方根误差分别降低了43.25%、76.61%和73.72%,平均绝对百分比误差分别降低了46.99%、73.52%和75.99%;基于SSA-XGBoost的下沉系数预测结果拟合效果较好且模型精度较高,研究结果可为地表下沉系数的预测提供参考。

来源：2024年第2期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2024年第2期