基于ARIMA-LSTM-XGBoost组合的矿山排土场沉降预测模型研究
摘要
为确保矿山排土场边坡安全稳定，提出使用GNSS技术对其沉降量进行监测研究。以华新水泥矿山排土场为例，基于2022年1月1日0点至2022年4月31日23点间每小时采集的历史数据，通过箱线图和累积沉降量时间序列关系图进行数据分析。考虑到单一模型不足、预测精度等问题，选择结合自回归综合移动平均模型（ARIMA）、长短时记忆网络模型（LSTM）和极端梯度提升模型（XGBoost），建立ARIMA-LSTM-XGBoost边坡沉降预测模型，将组合模型预测结果与实际值及单一模型进行对比，并以绝对相对误差(ARE)和均方根误差（RMSE）作为评价指标。研究结果表明：根据历史监测数据，边坡3相较于边坡1与边坡2更为稳定；三个边坡测试样本的ARIMA-LSTM-XGBoost组合预测最大绝对相对误差为4.58%、6.45%、7.55%其误差远小于其他4种对比模型，研究结果可为矿山工程技术人员对矿场边坡沉降预测提供参考。
引用本文（GB/T 7714）
梓皓 高, 浩森 智, 树林 黄, 等. 基于ARIMA-LSTM-XGBoost组合的矿山排土场沉降预测模型研究[J]. Ji suan yu shi yan., 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。