采空区煤自燃预测的随机森林方法
邓军1
雷昌奎1
曹凯2
马砺1
王彩萍1
翟小伟1
1.西安科技大学安全科学与工程学院,陕西西安710054;西安科技大学陕西省煤火灾害防控重点实验室,陕西西安7100542.徐州安云矿业科技有限公司,江苏徐州221008;中国矿业大学通风防灭火研究所,江苏徐州221008
摘要：煤自然发火温度的准确预测是矿井煤自燃防控的关键.为了准确可靠地预测采空区煤自燃温度,在大佛寺煤矿40106综放工作面开展了长期的采空区温度和气体观测实验,提出了一种基于随机森林(RF)方法的采空区煤自燃预测模型,并将预测结果与支持向量机(SVM)和BP神经网络(BPNN)方法对比.采用粒子群优化算法(PSO)对RF和SVM超参数进行优化,建立了参数优化的PSO-RF和PSO-SVM预测模型.结果表明,RF,PSO-RF,SVM和PSO-SVM模型均具有较强的泛化性和鲁棒性;RF在建模过程中拥有宽广的参数适应范围,当树的数量(ntree)超过100后,其训练误差趋于稳定,ntree的改变对预测性能没有实质的影响;虽然PSO算法可以找到RF最优超参数,但默认参数的RF模型就能获得满意的预测性能;SVM预测结果则对超参数十分敏感,PSO优化可以显著提高其预测精度,其预测性能依赖于超参数的最优选择;BPNN模型在训练阶段拥有极佳的预测结果,但易出现“过拟合”,导致泛化性弱,测试阶段误差较大.通过在其他矿井煤自燃预测中应用,验证了RF方法的稳定性和普适性,且无需复杂参数设置和优化就能获得良好的预测性能,可进一步应用于其他能源燃料领域.
关键词：采空区煤自燃随机森林支持向量机粒子群优化温度预测
分类号：TD752.2(矿山安全与劳动保护)
资助基金：国家重点研发计划(2018YFC0807900)国家自然科学基金(51504186)陕西省国际科技合作与交流计划(2016KW-070)
论文发表日期：2018-08-23
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( 2800-2808 )
英文信息