基于PSO-XGB混合優(yōu)化技術(shù)的淺層地下溫度預(yù)測

——以長春市為例

打開文本圖片集

摘要： 準確預(yù)測淺層地下溫度對于降低投資風險和推動淺層地熱能開發(fā)利用具有重要意義。本研究基于粒子群優(yōu)化（PSO）和極限梯度提升（XGB）的混合模型（PSO-XGB），并將其與K近鄰（KNN）、支持向量回歸（SVR）、隨機森林（RF）和極限梯度提升（XGB）等單一模型進行了比較。首先收集了54組鉆孔數(shù)據(jù)，使用克里金插值法對數(shù)據(jù)集進行擴充，經(jīng)過相關(guān)性分析最終選擇經(jīng)緯度坐標、年平均降雨量、年平均氣溫和與斷裂距離等因素用作預(yù)測100 m地下溫度的輸入特征。（剩余17008字）