基于梯度提升决策树的瓦斯浓度在线预测_中国煤炭行业知识服务平台

基于梯度提升决策树的瓦斯浓度在线预测

作者

郭风景王斌贾澎涛孙刘咏廖永强
单位

陕西陕煤蒲白矿业有限公司陕西建新煤化有限责任公司西安科技大学计算机科学与技术学院
摘要

为了准确可靠实时预测矿井瓦斯浓度,结合集成学习理论,提出了一种基于梯度提升决策树方法的瓦斯浓度在线预测模型(PGBDT).首先采集瓦斯浓度历史数据,将异常值视为缺失值后,应用拉格朗日插值法对数据中的缺失值进行预处理;其次基于处理后的瓦斯浓度历史数据和梯度提升决策树方法建立瓦斯浓度预测模型;随后采用L2范式作为目标函数,确定模型输入滑动窗口的最优长度,实现在线预测;最后选择线性回归、差分自回归移动平均、支持向量回归、BP神经网络、长短时记忆网络(LSTM)、门控循环单元神经网络(GRU)等预测方法作为对比方法,对提出的瓦斯浓度在线预测进行了验证模型.实验结果表明,相对于线性回归、差分自回归移动平均、支持向量回归、BP神经网络等方法,PGBDT方法的预测精度和运行效率具有明显优势,相较于LSTM、GRU方法,PGBDT在运行效率方面有较好的优势.综合来看,PGBDT取得了较好的预测效果,显著提高了瓦斯浓度在线预测效率和预测模型的泛化能力.
关键词

瓦斯浓度集成学习梯度提升决策树在线预测
DOI

10.19880/j.cnki.ccm.2023.10.009
引用格式

郭风景,王斌,贾澎涛,等.基于梯度提升决策树的瓦斯浓度在线预测[J].中国煤炭,2023,49(10)∶61-67.