TY - A2的你们,Zhoujing盟——Shahani Niaz默罕默德盟——Kamran,默罕默德盟——郑Xigui盟——刘,康康舞盟——郭,晓伟PY - 2021 DA - 2021/11/01 TI -应用梯度提高机器学习算法来预测单轴抗压强度的软沉积岩在塔尔煤田SP - 2565488六世- 2021 AB -岩石的单轴抗压强度(UCS)是一种重要的数据在工程规划和设计。正确测试UCS的岩石以确保其准确性和真实性是保证设计的先决条件的岩石工程项目。UCS的岩石已经广泛的应用在采矿、岩土工程、石油、地质力学、工程等领域。梯度提高机器学习算法的应用已经很少使用,尤其是对UCS预测,表现良好,基于研究的相关文献。在这项研究中,四个梯度提高机器学习算法,即梯度提高回归(GBR) Catboost,光梯度提升机(LightGBM)和极端梯度增加(XGBoost),开发预测MPa的UCS软沉积岩的Block-IX塔尔煤田,巴基斯坦,使用四个输入变量,如湿密度( ρ _w在g / cm³;水分%;干密度( ρ _d在g / cm³;和巴西的抗拉强度(BTS) MPa。然后,106点数据集被分配相同的每个算法到70%的训练阶段和测试阶段的30%。结果显示,XGBoost算法优于GBR, Catboost, LightGBM相关系数( R ²)= 0.99,平均绝对误差(MAE) = 0.00062,均方误差(MSE) = 0.0000006,均方根误差(RMSE) = 0.00079在训练阶段 R ²美= 0.00054 = 0.99,MSE = 0.0000005, RMSE = 0.00069测试阶段。敏感性分析表明,BTS ρ _w呈正相关,水分和 ρ _d与UCS负相关。因此,在这项研究中,XGBoost算法被证明是最准确的算法在所有调查四个算法UCS预测软沉积岩的Block-IX塔尔煤田,巴基斯坦。SN - 1687 - 8086 UR - https://doi.org/10.1155/2021/2565488 - 10.1155 / 2021/2565488摩根富林明土木工程的进步PB - Hindawi KW - ER