《表2 测试结果及对比：基于GAPSO-RFR的矿井底板突水预测模型与应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于GAPSO-RFR的矿井底板突水预测模型与应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

将建立好的GAPSO-RFR模型应用于测试样本，预测结果y需要转化为真实的突水量ytrue。样本中突水量的最小值和最大值分别为282m3/h与6 580m3/h，代入式（14），所得转化公式见式（15）。测试结果见表2，与PSO-RFR模型、GAPSO-SVR模型（支持向量回归机）进行对比，PSO-RFR参数为ntree=305，mtry=3，ε=4，GAPSO-SVR选择径向基核函数，惩罚因子C=85.3，核函数参数σ=1.76。由表2可知，GAPSO-RFR模型的平均误差为3.82%，PSO-RFR模型和GAPSO-SVR模型的平均误差分别为4.01%和3.91%，GAPSO-RFR模型的误差最小，说明GAPSO-RFR模型选取参数恰当，适用于突水预测。根据式（9）计算出模型中每个输入特征的重要性，归一化后的特征重要性排名见图2。