基于XGBoost-SHAP的综采工作面上隅角瓦斯溯源模型
盛武1
王灵子2
1.安徽理工大学经济与管理学院,安徽淮南 232001;安徽理工大学煤炭无人化开采数智技术全国重点实验室,安徽淮南 2320012.安徽理工大学经济与管理学院,安徽淮南 232001
摘要：针对目前综采工作面上隅角瓦斯浓度预测模型由于"黑盒"结构导致内部运行逻辑未知、预测结果可解释性弱的问题,提出一种基于XGBoost-SHAP的综采工作面上隅角瓦斯溯源模型.对综采工作面瓦斯涌出浓度关联监测数据进行相关分析,筛选出特征变量;基于XGBoost搭建上隅角瓦斯浓度预测模型,引入SHAP算法计算每个特征变量对预测结果的贡献值,增强模型透明度,为XGBoost提供全局性解释;最后利用现场多源传感监测数据对模型性能进行验证.实例分析结果表明:①XGBoost模型的决定系数R2、平均绝对误差(MAE)、均方根误差(RMSE)分别为0.93,0.007,0.008,相较于随机森林(RF)、支持向量回归(SVR)和梯度提升决策树(GBDT),拟合优度最高,误差最低.②XGBoost模型的平均相对误差为4.478％,相较于对比模型,具有较高的精度与较好的泛化性能.③依据各输入特征的平均绝对SHAP值,工作面Ti瓦斯浓度对上隅角瓦斯浓度影响最大,工作面上隅角瓦斯抽采管道内瓦斯浓度次之,回采煤层瓦斯含量、回采煤层顶板压力等紧随其后,说明XGBoost能捕捉变量间的非线性关系和交互作用,SHAP算法可为XGBoost模型提供全局性解释.
关键词：瓦斯浓度预测上隅角瓦斯溯源XGBoost模型SHAP可解释性
分类号：TD712(矿山安全与劳动保护)
资助基金：国家自然科学基金(71971003)安徽省优秀创新团队项目(2022AH010054)
论文发表日期：2025-06-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 21-27,140 )
英文信息