来源：期刊VIP网 时间：
作者：王军胜;王宏涛;张文;白宇;金亮星;高志勇;刘娉婷;
单位：陕西煤业集团黄陵建庄矿业有限公司;中南大学土木工程学院;
摘要：煤矿地表沉陷严重威胁矿区生态环境及周边基础设施安全，因此精准预计地表沉陷意义重大。但地表沉陷的预计复杂，概率积分法预计地表沉陷准确性较低。提出了一种基于改进的径向移动(Improved Radial Movement Optimization, IRMO)算法优化极致梯度提升(eXtreme Gradient Boosting, XGBoost)算法的地表沉陷预计模型，通过IRMO算法选择XGBoost算法中的学习率、正则化等超参数的最优值，提高了地表沉陷预计精度，并与遗传算法(Genetic Algorithm, GA)优化的XGBoost算法、XGBoost算法的预测结果进行了对比分析，IRMO-XGBoost模型的均方根误差R_(MSE)(0.156)和平均绝对误差M_(AE)(0.126)更低，决定系数R~2(0.970)更高。运用IRMO-XGBoost模型对建北煤矿4~(-2)煤305工作面的地表沉陷值进行了预测，结果表明，IRMO-XGBoost模型预测精度明显优于XGBoost算法。最后用Shapley解释(SHapley Additive exPlanations, SHAP)方法量化模型的输入特征对地表沉陷预测的贡献。基于IRMO-XGBoost构建的地表沉陷预计模型精度高，可以极大地帮助矿区掌握地表沉陷对地表环境的破坏程度，为矿区生态环境的保护管理和安全生产措施的制定提供超前预测。
关键词：安全工程;;地表沉陷预计;;改进的径向移动算法;;极致梯度提升算法;;概率积分法
