基于贝叶斯优化支持向量回归的煤自燃温度预测模型
杨海燕
胡新成
蔡佳文
余照阳
贵州大学矿业学院,贵州 贵阳 550025
摘要：针对传统煤自燃温度预测模型未考虑指标气体与温度数据之间存在多重共线性、模型预测精度不足问题,提出了一种基于贝叶斯优化(BO)算法改进支持向量回归(SVR)超参数(BO-SVR)的煤自燃温度预测模型.利用煤自燃程序升温实验,对生成的指标气体数据进行收集与处理.利用Spearman相关性分析选择与煤温相关性较强的指标气体并分析指标气体生成量间的共线性;对选择的指标气体进行主成分分析,解决多重共线性问题的同时降低维数;采用 5折交叉验证方法划分训练集和测试集,通过平均绝对误差(MAE)、均方根误差(RMSE)和判定系数(R2)指标,对BO-SVR模型的性能与SVR、粒子群优化SVR(PSO-SVR)和遗传算法优化SVR(GA-SVR)模型进行定量评价.结果表明,BO-SVR模型的 MAE较其他 3种模型分别降低了 74.2%,36.7%和10.2%,RMSE分别降低了 71.9%,33.3%和 11.4%,R2 达 0.988 5,高于其他模型.选取山西煤炭进出口集团河曲旧县露天煤业有限公司的烟煤煤样开展平行试验,BO-SVR模型在新数据集上的MAE为 4.927 9℃,RMSE为6.489 9℃,R2 达 0.985 3,与原数据集预测结果保持高度一致性.表明BO-SVR模型具有较好的泛化性、预测精度和鲁棒性,有助于提高预测煤自燃温度的准确性.
关键词：煤自燃贝叶斯优化支持向量回归指标气体预测模型
分类号：TD752(矿山安全与劳动保护)
资助基金：国家自然科学基金(52364019)国家自然科学基金(52464017)
论文发表日期：2025-07-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 36-43,51 )
英文信息