基于多参数融合的采空区煤自然发火温度预测
孟志斌
晋能控股煤业集团轩岗煤电有限责任公司,山西 忻州 034100
摘要：为提高采空区煤自然发火温度的预测精度,准确识别煤体升温阶段的燃烧风险,提出一种基于多参数融合的采空区煤自然发火温度预测模型(PLO-GBDT).通过程序升温试验,采集煤体升温过程中O2、CO、CO2、CH4、C2H6 和C2H4 等关键标志气体体积分数随温度变化的数据,构建采空区煤自燃升温过程的多参数特征数据集;通过特征重要度分析确定对煤自然发火温度影响显著的标志气体,将O2、CO、CO2、CH4、C2H6 和C2H4 作为模型输入变量,采用极光粒子优化算法(Polar Light Optimization,PLO)对梯度提升决策树(Gradient Boosting Decision Tree,GBDT)模型的参数进行寻优,构建PLO-GBDT煤自然发火温度预测模型,模型以 70%的样本数据作为训练集,30%作为测试集,通过MSE、RMSE、MAE、MAPE及R2 等评价指标对模型的预测性能进行评估.结果表明:PLO-GBDT模型预测结果MSE、RMSE、MAE、MAPE和R2 分别为0.000 03、0.005 50、0.003 70、0.010 70 和 0.979 40,所建模型具有较高的拟合精度和稳定性.为验证模型的优越性,将模型与其他 5 种模型对比.结果表明:PLO-GBDT与对比模型PLO-MLP、PLO-CNN、PLO-GRU、PLO-Informer和PLO-XGBoost模型的R2 分别为 0.967 7、0.659 7、0.785 3、0.846 1、0.895 6 和 0.948 5,模型具有较高预测精度和泛化能力.
关键词：煤自然发火标志气体多参数融合特征重要度梯度提升决策树(GBDT)极光粒子优化算法(PLO)自燃预测模型
分类号：TD75+2.2(矿山安全与劳动保护)
资助基金：国家自然科学基金(52174230)
论文发表日期：2025-12-20
在线出版日期：2025-12-29（本平台首次上网日期，不代表文献的发表时间）
页数：9( 88-96 )
英文信息