基于XGBoost的光纤监测矿压时序预测研究Study on time series prediction of rock pressure by XGBoost in optical fiber monitoring
柴 敬1,2，王润沛1，杜文刚1，雷武林1，朱旭宝1
摘要(Abstract)：
为掌握矿山压力显现规律，针对岩石内部变形预测难的问题，采用XGBoost算法和分布式光纤技术相结合，基于相似材料模型试验，制作三维立体模型，并在模型内部预埋3根垂直光纤，模拟工作面开采。引入光纤平均频移变化度作为判断周期来压指标，构建矿压监测数据的相空间，使用XGBoost的方法建立矿山压力显现规律时间序列预测模型。同时，在训练样本和测试样本不变的前提下，建立BP神经网络回归模型( BPNN )、支持向量机回归模型( SVR )，并与XGBoost回归模型( XGBR )预测结果进行对比分析。试验结果表明，BP神经网络易产生过拟合现象，SVM计算速度缓慢且依赖超参数的选择，XGBoost的计算速度和预测精度优于别的模型，为预测提供参考。
关键词(KeyWords)： 相空间重构；分布式光纤；XGBoost；SVM；BPNN
基金项目(Foundation):
作者(Author): 柴 敬1,2，王润沛1，杜文刚1，雷武林1，朱旭宝1
DOI: 10.13532/j.jmsce.cn10-1638/td.20200317.002