Adaboost集成学习优化的巷道围岩松动圈预测研究

来源：黄金科学技术杂志2023年第3期北京时间：

作者：方博扬,赵国彦,马举,陈立强,简筝

单位：中南大学资源与安全工程学院，湖南 长沙 410083

摘要：为提高巷道围岩松动圈预测准确率，给围岩支护和地压管理提供更科学的指导，提出了一种新的预测方法。采用改进的Adaboost回归算法对3种机器学习算法进行集成优化，即在Adaboost回归算法中寻找误差率阈值的最优值，实现Adaboost全局最优的集成效果。应用网格搜索对BP、SVM和RF的超参数进行优化，建立BP-Adaboost、SVM-Adaboost和RF-Adaboost回归预测模型。结果表明：BP-Adaboost模型的预测性能最好，误差率为7.65%。结合矿山松动圈测试实例进行验证分析，平均相对误差为4.15%。因此，所提出的模型能够为围岩松动圈预测提供参考，可以满足工程应用的需求。

关键词：围岩松动圈,网格搜索,Adaboost算法,BP神经网络,支持向量机,随机森林

基金资助：‘十三五’国家重点研发计划课题“深部金属矿绿色开采关键技术研发与示范”(2018YFC0604606)