基于RFE-RF-XGBoost的坝体位移预测研究

摘要

为了加强尾矿库的安全稳定管理,提高溃坝预测预警水平,以坝体位移为研究对象,安全监测数据为研究基础,提出一种基于特征递归消除与随机森林和极限梯度提升的尾矿坝坝体位移预测模型,并与XGBoost、LSTM神经网络、BP神经网络、SVR等预测模型对比,以验证其预测效果.结果表明:所提出模型平均相对误差低于XGBoost模型3.93%,并考虑了外部因素对坝体形变的影响.该结果对于矿山施工决策、安全管理、环境保护,减少溃坝事故具有一定的参考意义.