基于SSA-GBDT模型的巷道支护参数优化  

作　　者：孙兴发 

机构地区：[1]阜新矿业(集团)有限责任公司恒大煤矿,辽宁阜新123000

出　　处：《能源技术与管理》2024年第4期102-105,共4页Energy Technology and Management

摘　　要：井下地质条件复杂,巷道支护参数的准确选取对于围岩变形控制和保证安全生产具有重要意义。针对机器学习预测存在的预测容易陷入局部最优解、准确度不高、理论结果与现场应用不符等缺陷,提出了一种新的预测模型。通过麻雀搜索算法(SSA)对梯度提升树(GBDT)进行优化,以提高模型预测精度。选取巷道宽度、巷道高度、顶板岩层厚度、煤层厚度、埋深作为模型的输入变量,利用优化好的SSA-GBDT模型对锚索间距、锚索排距、锚索直径、锚索长度进行优化,现场进行验证,并对巷道顶板的受力变化和位移变化进行监测,得出结论是顶板最大受力为101 MPa,最大位移量为59 mm。这说明SSA-GBDT模型预测精度能够满足现场生产要求,为解决巷道支护优化问题提供了一种新方法。

关 键 词：支护参数优化 麻雀搜索算法 梯度提升树 机器学习 

分 类 号：TD353[矿业工程—矿井建设]