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
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
车辆状态数据
速度预测模型
智能座舱
参数
加速度
XGBoost模型
注塑工艺
ABS塑料
可视化功能
超参数
自动识别方法
雷达航迹数据
样本
深度学习模型
序列