基于特征选择与GA-XGBoost模型的爆破振动速度预测方法、系统、计算机设备及存储介质

AITNT
正文
推荐专利
基于特征选择与GA-XGBoost模型的爆破振动速度预测方法、系统、计算机设备及存储介质
申请号:CN202510693958
申请日期:2025-05-27
公开号:CN120596836A
公开日期:2025-09-05
类型:发明专利
摘要
基于特征选择与GA‑XGBoost模型的爆破振动速度预测方法,包括如下步骤:在露天矿山爆破作业过程中采集多个基本特征,并且通过皮尔逊相关性分析从所有基本特征中提取出一部分作为目标特征;初始化XGBoost模型,并且通过GA以及基于目标特征构建的数据集对XGBoost模型进行优化训练,得到爆破振动速度预测模型;基于目标特征实时采集动态爆破参数,并且输入到爆破振动速度预测模型进行预测,得到预测速度。本发明提供一种基于特征选择与GA‑XGBoost模型的爆破振动速度预测方法、系统、计算机设备及存储介质,能够精确地对露天矿区爆破过程中的爆破振动速度进行预测,从而对爆破过程进行指导,实现优化爆破过程,保证爆破效率和现场安全的效果。
技术关键词
XGBoost模型 速度预测方法 特征选择 速度预测模型 露天矿山 皮尔逊相关系数 爆破作业 速度预测系统 存储计算机程序 计算机设备 炸药 遗传算法 露天矿区 模型训练模块 正则化参数 数据采集模块 动态 节点数
系统为您推荐了相关专利信息
1
一种金融欺诈检测方法及装置
Stacking集成学习 欺诈检测方法 欺诈检测装置 风险识别模型 金融
2
智能座舱控制方法、装置、计算机设备和存储介质
车辆状态数据 速度预测模型 智能座舱 参数 加速度
3
一种注塑工艺参数多目标优化方法
XGBoost模型 注塑工艺 ABS塑料 可视化功能 超参数
4
一种基于深度学习的海上航迹开放集合自动识别方法
自动识别方法 雷达航迹数据 样本 深度学习模型 序列
5
风机齿轮箱油温预警方法、装置、电子设备及存储介质
风机齿轮箱 参数 时间段 工况 样本
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号