基于PSO-XGBoost的煤层断层智能识别方法研究

摘要

为进一步提高地下断层识别准确率和解释效率，使用极限梯度提升树(XGBoost)机器学习算法对煤层断层进行智能识别，并结合粒子群算法(PSO)优化模型相关参数，构建基于PSO-XGBoost的断层构造识别模型。建立正演模型对PSO-XGBoost模型进行检验，并基于滇东矿区采集的实际数据对比分析PSO-XGBoost模型与PSO-RF、PSO-SVM模型的分类预测性能，选择准确率和对数损失值作为评价分类器预测模型的主要指标评价各模型的准确度。结果表明，基于PSO-XGBoost的模型在断层构造识别中展现出较高的准确率和更好的稳定性。

关键词

断层识别 / XGBoost / PSO / 机器学习 / 参数优化