Research on quantitative evaluation of characteristic gas of coal seam spontaneous combustion based on AI self-learning
-
摘要: 煤层自燃是矿井的主要灾害之一，给矿井安全正常运营带来了巨大的威胁。针对传统煤自燃气体预测模型预测精度较差，且基于BP神经网络的预测模型测试时易出现过拟合的问题，基于AI自学习算法（随机森林和BP神经网络）构建了煤自燃特征气体定量评价模型，并对其参数进行优化。通过实验和对比分析发现，基于随机森林的煤自燃特征气体定量评价模型在训练和测试阶段表现出了较高的准确性和鲁棒性，预测精度明显优于基于BP神经网络的煤自燃特征气体定量评价模型。基于随机森林的煤自燃特征气体定量评价模型的MAE、MAPE、RMSE及R2指标均优于基于BP神经网络的煤自燃特征气体定量评价模型，而基于BP神经网络的煤自燃特征气体定量评价模型在测试阶段出现了过拟合现象，降低了其鲁棒性和预测精度。研究结果表明，基于AI自学习的煤自燃气体定量评价模型具有较高的准确率和可靠性，为煤自燃预测及煤自燃火灾早期预防提供了重要参考。
-
-
[1] 张天宇, 鲁义, 施式亮, 等.基于支持向量机分类算法的多煤种煤自燃危险性预测[J].湖南科技大学学报(自然科学版), 2019, 34(2):11-17. [2] 邓军, 雷昌奎, 曹凯, 等.采空区煤自燃预测的随机森林方法[J].煤炭学报, 2018, 43(10):2800-2808. [3] 刘宝, 穆坤, 叶飞, 等.基于相关向量机的煤自燃预测方法[J].工矿自动化, 2020, 46(9):104-108. [4] 王坤.新疆弱粘煤自然发火标志性气体试验研究[J].煤炭技术, 2020, 39(9):87-89.. [5] 赵兴国, 戴广龙.氧化煤自燃特性实验研究[J].中国安全生产科学技术, 2020, 16(6):55-60. [6] 郭军, 金彦, 文虎, 等.矿井煤层自燃程度精细划分与预警方法研究[J].煤炭科学技术, 2021, 49(10):115-121. [7] 任万兴, 郭庆, 石晶泰, 等.基于标志气体统计学特征的煤自燃预警指标构建[J].煤炭学报, 2021, 46(6):1747-1758. [8] 谭波, 邵壮壮, 郭岩, 等.基于指标气体关联分析的煤自燃分级预警研究[J].中国安全科学学报, 2021, 31(2):33-39. [9] 邓军, 白祖锦, 肖旸, 等.煤自燃指标体系试验研究[J].安全与环境学报, 2018, 18(5):1756-1761. [10] 蒋恒.煤自燃多参数气体主辅预测指标体系研究[J].中国矿业, 2023, 32(4):147-153. [11] 闫磊.港煤矿不同含硫煤自燃标志性气体生成规律研究[J].煤, 2023, 32(7):59-62. [12] 丁徐琴, 张雷林.氧气体积分数对煤自燃特性影响的实验研究[J].煤矿安全, 2023, 54(7):156-162. [13] 许娜, 黄斌, 李强, 等.机器学习在煤的地球化学中的应用[J].煤炭学报, 2022, 47(5):1895-1907. [14] MA Li, ZOU Li, REN Lifeng, et al.Prediction indices and limiting parameters of coal spontaneous combustion in the HuAInan mining area in China[J].Fuel, 2020, 264:116883.DOI: 10.1016/j.fuel.2019.116883
[15] ONIFADE M, GENC B.Spontaneous combustion liability of coal and coal-shale:a review of prediction methods[J].International Journal of Coal Science & Technology, 2019, 6(2):151-168.
[16] LEI Changkui, DENG Jun, CAO KAI, et al.A comparison of random forest and support vector machine approaches to predict coal spontaneous combustion in gob[J].Fuel, 2019, 239(1):297-311.
[17] QU Lina.A study on the prediction method of coal spontaneous combustion development period based on critical temperature[J].Environmental Science and Pollution Research, 2018, 25:35748-35760.
[18] 牛会永, 邓湘陵, 李石林, 等.Experiment study of optimization on prediction index gases of coal spontaneous combustion[J].Journal of Central South University, 2016, 23(9):2321-2328. [19] 王丹.RVM在煤自燃预测中的应用研究[J].煤, 2022, 31(4):1-5. [20] 谢振华.基于RBF神经网络的采空区煤自燃预测[J].矿山工程, 2020, 8(2):7.DOI: 10.12677/ME.2020.82011.
计量
- 文章访问数: 1
- HTML全文浏览量: 0
- PDF下载量: 0
下载:
