来源：期刊VIP网 时间：
作者：盛武;王灵子;
单位：安徽理工大学经济与管理学院;安徽理工大学煤炭无人化开采数智技术全国重点实验室;
摘要：针对目前综采工作面上隅角瓦斯浓度预测模型由于“黑盒”结构导致内部运行逻辑未知、预测结果可解释性弱的问题，提出一种基于XGBoost-SHAP的综采工作面上隅角瓦斯溯源模型。对综采工作面瓦斯涌出浓度关联监测数据进行相关分析，筛选出特征变量；基于XGBoost搭建上隅角瓦斯浓度预测模型，引入SHAP算法计算每个特征变量对预测结果的贡献值，增强模型透明度，为XGBoost提供全局性解释；最后利用现场多源传感监测数据对模型性能进行验证。实例分析结果表明：(1) XGBoost模型的决定系数R~2、平均绝对误差（MAE）、均方根误差（RMSE）分别为0.93,0.007,0.008，相较于随机森林（RF）、支持向量回归（SVR）和梯度提升决策树（GBDT），拟合优度最高，误差最低。(2) XGBoost模型的平均相对误差为4.478%，相较于对比模型，具有较高的精度与较好的泛化性能。(3)依据各输入特征的平均绝对SHAP值，工作面T1瓦斯浓度对上隅角瓦斯浓度影响最大，工作面上隅角瓦斯抽采管道内瓦斯浓度次之，回采煤层瓦斯含量、回采煤层顶板压力等紧随其后，说明XGBoost能捕捉变量间的非线性关系和交互作用，SHAP算法可为XGBoost模型提供全局性解释。
关键词：瓦斯浓度预测;;上隅角瓦斯溯源;;XGBoost模型;;SHAP;;可解释性
基金资助：国家自然科学基金项目（71971003）;; 安徽省优秀创新团队项目（2022AH010054）;; 淮北矿业股份公司委托项目（淮矿技合2024(17)）
