基于随机森林回归的围岩应力插值方法

摘要

为解决矿井围岩应力监测数据缺失的问题,基于集成学习理论,提出了一种基于随机森林回归预测的围岩应力监测数据插值方法.首先,基于缺失前的历史数据和随机森林回归预测方法,建立围岩应力数据插值模型(IRER).其次,以无缺失的围岩应力时间序列数据为样本集,构建不同缺失情况的数据集,作为实验用数据.最后,在不同缺失值情况下,选择均值插值、中值插值、线性插值、最邻近插值、Zero阶梯插值、3次B样条插值、拉格朗日插值7种插值方法作为实验对比插值方法,验证围岩应力数据插值模型.结果表明,均值插值、中值插值和拉格朗日插值方法效果较差,尤其是拉格朗日插值方法;随着缺失值个数的增大,拉格朗日插值方法的误差成倍增大;线性插值、最邻近插值、Zero阶梯插值、3次B样条插值适用于缺失值较少的情况;IRER方法在不同缺失值情况下,均取得了较好的插值效果,且随着缺失值数量的增加,这种优势尤为明显.