基于相关向量机的煤自燃预测方法

刘宝, 穆坤, 叶飞, 汪帆, 王静婷

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.. DOI: 10.13272/j.issn.1671-251x.17578
引用本文: 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.. DOI: 10.13272/j.issn.1671-251x.17578
shu
LIU Bao, MU Kun, YE Fei, WANG Fan, WANG Jingting. Prediction method of coal spontaneous combustion based on relevance vector machine[J]. Journal of Mine Automation, 2020, 46(9): 104-108. DOI: 10.13272/j.issn.1671-251x.17578
Citation: LIU Bao, MU Kun, YE Fei, WANG Fan, WANG Jingting. Prediction method of coal spontaneous combustion based on relevance vector machine[J]. Journal of Mine Automation, 2020, 46(9): 104-108. DOI: 10.13272/j.issn.1671-251x.17578
shu

基于相关向量机的煤自燃预测方法

  • 1.

    西安科技大学 电气与控制工程学院， 陕西 西安710054

  • 2.

    西安翻译学院 工程技术学院， 陕西 西安710105

基金项目: 

国家自然科学基金资助项目（61703329）

中国博士后科学基金资助项目（2018M633538）

西安市科技计划项目（2020KJRC0068）

陕西省教育厅科研计划项目（18JK1005）

陕西省教育科学“十三五”规划课题（SGH18H159）

陕西省重点研发计划项目（2019GY-097）

陕西省重点产业链项目（2019ZDLGY15-04-02）。

详细信息

  • 中图分类号: TD712.5

Prediction method of coal spontaneous combustion based on relevance vector machine

  • 1.

    School of Electrical and Control Engineering, Xi''an University of Science and Technology, Xi''an 710054, China

  • 2.

    College of Engineering &Technology, Xi''an Fanyi University, Xi''an 710105, China）

摘要

    摘要
  • 摘要: 在煤自燃程度预测方面，基于径向基（RBF）神经网络的方法结构复杂、易陷入局部最优，基于支持向量机（SVM）方法的核函数受Mercer条件限制而对参数敏感，传统的机器学习方法误差较大。针对上述问题，提出了一种基于相关向量机（RVM）的煤自燃预测方法。以易发生煤自燃现象的亭南煤矿为例，模拟煤样自燃升温过程并采集气体浓度与煤自燃温度数据，建立训练样本和测试样本；由训练样本构建RVM模型，得到模型的最优参数；将测试样本代入已训练的RVM模型中，预测煤自燃温度值。与基于RBF神经网络和SVM的煤自燃预测方法进行比较，结果表明，基于RBF神经网络和SVM的煤自燃预测方法训练误差较小，但测试误差较大，说明这2种方法存在过拟合现象，泛化能力差；基于RVM的煤自燃预测方法的训练误差与测试误差比较接近且预测精度最高。
    Abstract: In terms of coal spontaneous combustion degree prediction, the radial basis function (RBF) neural network method is complex in structure and easy to fall into local optimum, the kernel function based on support vector machine (SVM) is sensitive to parameters due to Mercer condition, the traditional machine learning method has a large error. For the above problems, a coal spontaneous combustion prediction method based on relevance vector machine (RVM) is proposed. Taking Tingnan Coal Mine which is prone to spontaneous combustion as an example, the temperature rising process of coal sample spontaneous combustion is simulated, and the data of gas concentration and coal spontaneous combustion temperature are collected to establish training samples and test samples. The RVM model is constructed from the training samples, and the optimal parameters of the model are obtained. The test samples are substituted into the trained RVM model to predict coal spontaneous combustion temperature. Compared with coal spontaneous combustion prediction methods based on RBF neural network and SVM, the results show that the coal spontaneous combustion prediction methods based on RBF neural network and SVM have small training error but large test error, which indicates that the two methods have over fitting phenomenon and poor generalization ability. The training error and test error of the coal spontaneous combustion prediction method based on RVM are close and prediction accuracy is the highest.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(24)

  • 期刊类型引用(19)

    1. 闫铁柱，呼应伟，李元波. 储煤仓煤堆自燃升温氧化特性研究. 山东煤炭科技. 2025(03): 59-63+68 . 百度学术
    2. 王树明. 空气湿度对煤自燃特性及氧化动力学参数的影响研究. 煤矿安全. 2024(04): 98-105 . 百度学术
    3. 董康宁，闫寿庆，张宝龙. 基于AI自学习的煤层自燃特征气体定量评价研究. 工矿自动化. 2024(S1): 104-109 . 本站查看
    4. 张嬿妮，姚迪，张陆陆，舒盼，段正肖，翟芳妍. 封闭储煤场煤自燃高温点运移规律及反演预测研究. 中国安全生产科学技术. 2024(06): 78-84 . 百度学术
    5. 杨英兵，邢真强，张运增，郭佳策，李龙，鹿文勇，陈明浩. 煤自燃全阶段防控研究进展及趋势分析. 煤矿安全. 2024(07): 85-101 . 百度学术
    6. 童保国，姜福领，毕寸光，王亮，田坤云. 基于LSTM改进Transformer的煤自燃温度预测模型. 金属矿山. 2024(12): 275-280 . 百度学术
    7. 李军，张宇轩，高彬，惠博，毛小娃. 陕北侏罗纪煤田浅埋近距离煤层煤自燃预测预报体系研究. 煤炭技术. 2023(01): 138-142 . 百度学术
    8. 刘永立，刘晓伟，王海涛. 基于LSTM神经网络的煤矿火灾预测. 黑龙江科技大学学报. 2023(01): 1-5 . 百度学术
    9. 要华伟，何晓东，王喆. 基于固-气耦合的不同氧气条件下煤粉点燃数值研究. 工矿自动化. 2022(03): 107-111+117 . 本站查看
    10. 王丹. RVM在煤自燃预测中的应用研究. 煤. 2022(04): 1-5 . 百度学术
    11. 贾澎涛，林开义，郭风景. 基于PSO-SRU深度神经网络的煤自燃温度预测模型. 工矿自动化. 2022(04): 105-113 . 本站查看
    12. 张志旭，杨胜强，蔡佳文，周步壮. 基于加权马氏距离-灰靶决策模型的煤自燃程度判定方法. 中国科技论文. 2022(05): 508-515 . 百度学术
    13. 周旭，王认卓，代亚勋，张九零，孙玉雯. 基于BO-XGBoost的煤自燃分级预警研究. 煤炭工程. 2022(08): 108-114 . 百度学术
    14. 廖亚楠，王业林，李萌，肖清泰，王华. 基于CEEMDAN-RVM-EC的还原冶炼温度预报. 控制理论与应用. 2022(11): 2177-2184 . 百度学术
    15. 孙超，姜琳，袁广玉. “十四五”期间我国煤炭供需趋势分析. 煤炭工程. 2021(05): 193-196 . 百度学术
    16. 郑学召，李梦涵，张嬿妮，姜鹏，王宝元. 基于随机森林算法的煤自燃温度预测模型研究. 工矿自动化. 2021(05): 58-64 . 本站查看
    17. 张怡，陈莹，陈宠. 煤炭易自燃煤层采空区温度预测方法研究. 能源与环保. 2021(07): 94-99 . 百度学术
    18. 仲晓星，王建涛，周昆. 矿井煤自燃监测预警技术研究现状及智能化发展趋势. 工矿自动化. 2021(09): 7-17 . 本站查看
    19. 刘锋. 基于PCA-RVM的煤矿瓦斯浓度预测研究. 内蒙古煤炭经济. 2021(23): 70-72 . 百度学术

    其他类型引用(5)

    • 资源附件(0)
计量
  • 文章访问数:  102
  • HTML全文浏览量:  16
  • PDF下载量:  15
  • 被引次数: 24
出版历程
  • 刊出日期:  2020-08-19

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献
    资源附件(0)

    /

    返回文章
    返回

    苏ICP备 05016349号-2

    本系统由 北京仁和汇智信息技术有限公司 开发  访问量：1174123    百度统计