DOI: 10.11799/ce202208020
基于BO-XGBoost的煤自燃分级预警研究
周旭1
王认卓2
代亚勋2
张九零3
孙玉雯2
1.华北理工大学 矿业工程学院, 河北 唐山 0632102.华北理工大学 人工智能学院, 河北 唐山 0632103.华北理工大学 矿业工程学院, 河北 唐山 063210;华北理工大学 人工智能学院, 河北 唐山 063210
摘要：为了精准快速预测矿井煤自燃等级,提出一种结合贝叶斯优化方法、 极限梯度提升回归树(XGBoost)的煤自燃分级预警模型.以山东省某矿的煤自然发火实验数据为基础,依据指标气体曲线随温度的变化趋势,划分煤自燃预警等级.同时将数据划分为训练集与测试集,选取O2、CO、C2H4、CO/ΔO2、C2H4/C2H6指标气体作为XGBoost模型的输入,煤温等级作为模型的输出,同时采用贝叶斯优化方法对XGBoost模型中的学习率、n estimators、 最大深度等超参数寻优,构建基于贝叶斯优化的XGBoost煤自燃分级预警模型(BO-XGBoost),并将测试集数据带入到BO-XGBoost、XGBoost、BO-RF、BO-SVM、BO-KNN模型中进行比较分析,结果显示,BO-XGBOOST模型预测准确率为91％,较BO-RF、BO-SVM、BO-KNN准确率分别提高3％、9％、12％.通过在唐山东欢坨煤矿煤自燃分级预警中应用,进一步验证了BO-XGBoost模型的普适性与稳定性,表明建立的BO-XGBoost模型更适合煤自燃分级预警.
关键词：煤自燃指标气体贝叶斯优化XGBoost
分类号：TD75+2(矿山安全与劳动保护)
资助基金：河北省博士研究生创新资助项目(CXZZBS2021102)河北省高校基本科研业务费(JQN2021011)
论文发表日期：2022-08-28
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：7( 108-114 )
英文信息