QGA-RFR模型在导水裂隙带高度预测中的应用

来源：中国安全科学学报杂志2018年第3期北京时间：

作者：邵良杉, 周玉

单位：辽宁工程技术大学 系统工程研究所, 辽宁 葫芦岛 125100

摘要：为准确预测矿井顶板导水裂隙带高度,用随机森林回归算法(RFR)筛选出开采工作面导水裂隙带高度主要影响因素;借助量子遗传算法(QGA)优化RFR中分裂属性特征值和决策树棵数2个关键参数,建立基于QGA-RFR的导水裂隙带高度预测模型;将实测的124组导水裂隙带相关数据代入模型进行训练和预测,并将预测结果与GA-RFR、RFR、BP和支持向量机(SVM)等模型预测结果对比。结果表明:QGA-RFR模型的最优参数组合为(5,350),该参数下模型预测误差值仅为0.113 8;与GA-RFR、RFR、BP和SVM等模型相比,QGA-RFR模型具有更小的平均绝对百分比误差值(0.037 63)、均方根误差值(2.129)和最大相对误差值(0.055 06),验证了QGA-RFR模型的拟合效果更优。

关键词：导水裂隙带高度,随机森林回归算法(RFR),量子遗传算法(QGA),QGA-RFR模型,支持向量机(SVM),开采工作面

基金资助：国家自然科学基金资助(71371091,7177111); 辽宁省社会规划项目(L14BTJ004)。