| 基于PSO-XGB混合优化技术的浅层地下温度预测——以长春市为例 |
| |
| 引用本文： | 于子望,郑天琪,程钰翔.基于PSO-XGB混合优化技术的浅层地下温度预测——以长春市为例[J].吉林大学学报(地球科学版),2023(6):1907-1916. |
| |
| 作者姓名： | 于子望 郑天琪 程钰翔 |
| |
| 作者单位： | 1. 吉林大学建设工程学院;2. 地下水资源与环境教育部重点实验室(吉林大学);3. 地热资源开发技术与装备教育部工程研究中心(吉林大学) |
| |
| 基金项目： | 国家重点研发计划项目(2019YFC0604905)；;中国博士后科学基金项目(2022M711291)~~； |
| |
| 摘 要： | 准确预测浅层地下温度对于降低投资风险和推动浅层地热能开发利用具有重要意义。本研究基于粒子群优化(PSO)和极限梯度提升(XGB)的混合模型(PSO-XGB),并将其与K近邻(KNN)、支持向量回归(SVR)、随机森林(RF)和极限梯度提升(XGB)等单一模型进行了比较。首先收集了54组钻孔数据，使用克里金插值法对数据集进行扩充，经过相关性分析最终选择经纬度坐标、年平均降雨量、年平均气温和与断裂距离等因素用作预测100 m地下温度的输入特征。然后利用测试集对预测模型进行验证，使用均方根误差(ERMS)、平均绝对误差(EMA)、决定系数(R2)和均方误差(EMS)等指标评估了模型的性能。结果表明，PSO-XGB混合模型在测试集表现最好，ERMS为0.070 6,EMA值为0.054 9,R2值为0.962 0,EMS值为0.005 0,在精度和拟合程度上明显高于其他模型，可知PSO-XGB混合模型在预测性能方面优于单...
|
| 关 键 词： | 浅层地温预测 PSO-XGB混合模型 K近邻 支持向量回归 随机森林 极限梯度提升 |
|
|
