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-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
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
电力工程项目 神经网络模型 特征选择算法 虚拟现实技术 关系
金融交易验证 金融交易数据 零知识证明协议 联邦学习模型 分布式存储方式
支持向量机模型 辅助诊断方法 特征选择 儿童 辅助诊断系统
XGBoost算法 时间段 运维方法 特征值 电流
广播星历数据 长短期记忆网络 XGBoost模型 时间序列特征 注意力机制