基于L-XGB算法的岩爆倾向等级预测模型
Journal of Safety Science and Technology(2023)
Abstract
为解决岩爆预测复杂性、特殊性、随机性特征导致样本要求高、预测精度低的缺点,基于LOF(局部离群因子检测方法)结合XGBoost(极限梯度提升树)方法,通过网格搜索和曲线搜索拟合内部学习参数,构建L-XGB岩爆趋势预测模型.使用国内外260 组岩爆实例数据对模型预测结果进行验证,与XGBoost、随机森林、KNN和支持向量机算法的预测结果进行对比分析研究.研究结果表明:该模型预测率94.2%,为岩爆预测提供了更加合理可靠的预测模型.研究结果可为岩爆预测提供方法以及岩爆的事前风险管理与防治提供理论基础.
MoreKey words
rockburst prediction,XGBoost,prediction model,outlier
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined