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

• 作者: 肖金龙 温泉
• 来源期刊: 水道港口
• 学科: 交通运输
• 关键词: 航道维护 绞吸挖泥船 机器学习 数据挖掘 集成学习
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 河床演变与航道整治
• 页码范围: 658-663
• 页数: 6页
• 分类号: U65|TV142
• 语种: 中文
• DOI: 10.3969/j.issn.1005-8443.2021.05.015

摘要

针对绞吸挖泥船泥浆浓度γ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γ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.