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

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。