原文传递
基于极限梯度提升树集成学习的绞吸挖泥船泥浆浓度预测
| 题名： | 基于极限梯度提升树集成学习的绞吸挖泥船泥浆浓度预测 |
| 正文语种： | 中文 |
| 作者： | 肖金龙;温泉 |
| 作者单位： | 长江航道规划设计研究院;国家内河航道整治工程技术研究中心 |
| 关键词： | 航道维护;绞吸挖泥船;机器学习;数据挖掘;集成学习 |
| 摘要： | 针对绞吸挖泥船泥浆浓度y测量仪具有辐射性，发生故障时现场不能检修，容易造成施工中断。文章提出了一种基于极限梯度提升树(XGBoost)集成学习的绞吸挖泥船泥浆浓度预测方法，研究表明XGBoost浓度预测模型的拟合优度为0.9532，均方根误差仅为1.423，预测效果较好。在挖泥船施工时即可利用XGBoost学习挖泥船施工数据，进而建立挖泥船泥浆浓度预测模型，实现泥浆浓度的实时预测，在y浓度仪发生故障时可有效代替其工作，提高了挖泥船施工的连续性。 |
| 期刊名称： | 水道港口 |
| 出版日期： | 202105 |
| 出版年： | 2021 |
| 页码： | 658-663 |
检索历史
应用推荐
