三路段误差均低于 4.6%
一组基于堆码集成学习的井下矿车行驶时间预测模型：把矿车运输的过程拆成分段参数,融合多模型预测,在平巷、斜坡道和地表路段都达到比单模型明显更高的预测精度。
Li, Ning · Wu, Yahui · 王其洲 · 叶海旺 · 王李管 · 贾明涛 · Zhao, Shugang
Engineering Applications of Artificial Intelligence 2023
融合模型在三种路段上的平均绝对百分比误差最高仅 4.5583%，足够支撑采矿调度这类对时间敏感的任务。
模型直接给出分路段行程时间，让调度系统能预测拥堵、优化派车，而不是等车到了才反应。
采用堆码集成学习把多个预测器的结果叠加修正，避免单一模型在某些路段上产生过大偏差。