煤自燃温度分布预测模型试验研究与优化
乔国民1
史旭明1
王凯2
李小成1
王占龙1
陈锦辉2
张智新2
1.甘肃靖煤能源有限公司魏家地煤矿分公司,甘肃白银 7309132.西安科技大学安全科学与工程学院,陕西西安 710054
摘要：随着煤自燃预测场景复杂化与数据量的增加,现有基于神经网络模型预测的煤自燃温度方法难以精准捕捉特定场景下的关键致灾前兆,导致其预测精度与可靠性在实际应用中显著下降,难以满足煤矿智能化发展下煤自燃预测的需求.针对上述问题,通过研究通风影响下的煤自燃多特征指标数据变化规律,提出了一种基于粒子群(PSO)优化BP神经网络的煤自燃高温点预测模型(PSO-BP),选择O2,CO,CO2,CH4浓度和距离进风口的高度5个因素作为模型输入参数,将温度值作为模型预测数据.实验结果表明:随着煤温的升高,煤样的氧化速度加快,煤的自然发火过程呈现出三阶段变化特点,O2浓度呈现阶段性下降趋势,CO,CO2和CH4浓度随供风时间均呈指数变化,高温区域呈现出沿逆风流方向向进风侧动态迁移的规律;通过参数寻优后,PSO-BP的平均绝对误差(MAE)相较于优化前下降了 1.2％,平均偏差误差(MBE)下降了 58.5％,均方根误差(RMSE)下降了18.6％.选取甘肃靖煤能源有限公司宝积山矿区某矿东1煤层进风侧与回风侧采空区数据进一步验证该模型,结果表明,PSO-BP在不同煤层的误差指标均为最小,且其在不同煤层的误差指标波动范围均小于BP神经网络模型误差波动范围.
关键词：煤自燃影响因素温度分布预测粒子群优化算法BP神经网络
分类号：TD752.2(矿山安全与劳动保护)
资助基金：国家自然科学基金(52374232)国家自然科学基金(U24A2092)陕西省自然科学基础研究计划资助项目(2025SYS-SYSZD-116)
论文发表日期：2025-12-31
在线出版日期：2026-01-27（本平台首次上网日期，不代表文献的发表时间）
页数：9( 109-116,124 )
英文信息