基于SSA-GBDT模型的巷道支护参数优化

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：井下地质条件复杂,巷道支护参数的准确选取对于围岩变形控制和保证安全生产具有重要意义.针对机器学习预测存在的预测容易陷入局部最优解、准确度不高、理论结果与现场应用不符等缺陷,提出了一种新的预测模型.通过麻雀搜索算法(SSA)对梯度提升树(GBDT)进行优化,以提高模型预测精度.选取巷道宽度、巷道高度、顶板岩层厚度、煤层厚度、埋深作为模型的输入变量,利用优化好的SSA-GBDT模型对锚索间距、锚索排距、锚索直径、锚索长度进行优化,现场进行验证,并对巷道顶板的受力变化和位移变化进行监测,得出结论是顶板最大受力为101 MPa,最大位移量为59 mm.这说明SSA-GBDT模型预测精度能够满足现场生产要求,为解决巷道支护优化问题提供了一种新方法.

作者：

孙兴发

展开 >

作者单位：

阜新矿业(集团)有限责任公司恒大煤矿,辽宁阜新 123000

关键词：

支护参数优化麻雀搜索算法梯度提升树机器学习

出版年：

2024

DOI：

10.3969/j.issn.1672-9943.2024.04.030

能源技术与管理

江苏省煤炭学会　江苏省煤炭工业协会　中国矿业大学

能源技术与管理

影响因子：0.208

ISSN：1672-9943

年,卷(期)：2024.49(4)