Gradient Boosting 算法在典型浅埋煤层液压支架选型中的应用-论文

【文件属性】：
文件名称：Gradient Boosting 算法在典型浅埋煤层液压支架选型中的应用-论文
文件大小：3.22MB
文件格式：PDF
更新时间：2021-07-08 10:56:25
梯度提升回归算法 逻辑斯谛算法 工作面液压支架阻力 预测 学习速率 针对目前工作面液压支架阻力确定方法的不足，提出了1种新的预测方法，采用改进后的逻辑斯提算法（LR）来优化梯度提升回归（GBRT）模型，以此来预测液压支架阻力。在GBRT中加入学习速率来限制子模型的学习速率，防止其过拟合；应用LR对样本参数进行优化，建立LR-GBRT回归预测模型；将该预测模型应用于液压支架阻力的预测，预测结果与LR（线性回归模型）、SVM（支持向量机模型）、DTR（决策树回归模型）、EN（弹性网回归模型）进行对比分析。结果表明：LR-GBRT模型具有较强的泛化能力，较高的预测精度，可以对液压支架阻力进行有效预测。