来源：期刊VIP网 时间：
作者：徐琛;李其乐;邱浪;王超;任高峰;赵亮;刘驰;穆鹏宇;
单位：煤炭科学研究总院有限公司;武汉理工大学资源与环境工程学院;
摘要：为实现爆破振动峰值速度的精准预测并降低爆破振动的危害，基于某工程实测数据，选取爆心距、单段药量、孔距、堵塞长度、孔深等5个关键参数作为影响因子，提出了一种基于粒子群优化算法(PSO)优化的Stacking集成学习模型(PSO-Stacking)。通过PSO优化Stacking基模型中随机森林(RF)的决策树数量与决策树深度、支持向量回归(SVR)的惩罚系数以及梯度提升决策树(GBDT)的树数量等超参数，显著提升了模型的预测性能。结果表明:PSO-Stacking模型的准确率(AR)为85.54%，均方误差(MSE)、均方根误差(RMSE)和决定系数(R~2)分别为2.39、1.54和0.7361，较PSO-RF、BPNN、Ada Boost等6种模型表现出更优的预测性能与泛化能力。
关键词：爆破振动峰值速度;;粒子群优化;;集成学习
基金资助：国家自然科学基金项目(52409143、52304089);; 天地科技股份有限公司科技创新创业资金专项资助项目(2023-TD-ZD001-004、2023-TD-QN003)~~
