QGA-RFR模型在导水裂隙带高度预测中的应用

为准确预测矿井顶板导水裂隙带高度,用随机森林回归算法（RFR）筛选出开采工作面导水裂隙带高度主要影响因素;借助量子遗传算法（QGA）优化RFR中分裂属性特征值和决策树棵数2个关键参数,建立基于QGA-RFR的导水裂隙带高度预测模型;将实测的124组导水裂隙带相关数据代入模型进行训练和预测,并将预测结果与GA-RFR、RFR、BP和支持向量机（SVM）等模型预测结果对比。结果表明：QGA-RFR模型的最优参数组合为（5,350）,该参数下模型预测误差值仅为0.113 8;与GA-RFR、RFR、BP和SVM等模型相比,QGA-RFR模型具有更小的平均绝对百分比误差值（0.037 63）、均方根误差值（2.129）和最大相对误差值（0.055 06）,验证了QGA-RFR模型的拟合效果更优。