基于机器学习方法的露天矿卡车运行状态时间预测研究

顾清华¹，马平平¹，闫宝霞²，卢才武¹

1. 西安建筑科技大学资源工程学院2. 中国有色金属工业西安勘察设计研究院有限公司

摘 要：针对露天矿卡车从装载点到卸载点的运输循环总时间预测问题,在考虑卡车特征、道路特征和天气特征影响的情况下,通过支持向量机(SVM)、Adaboost和随机森林(RF)3种算法构建了露天矿卡车运行状态时间预测模型。以某大型露天矿山的卡车调度系统采集数据为例,结果表明,针对运行状态时间预测,采用SVM、Adaboost和RF 3种算法预测结果均优于传统平均法,最佳机器学习方法的平均绝对误差降低了81.52%;同时,将运行状态作为行程时间预测的最小单元进行组合预测,比用单一方法预测整个运输过程时间更好,其平均平方误差和平均绝对误差分别相对降低了76.96%和29.90%。

关键词：机器学习;露天矿;卡车运行状态;时间预测;