基于机器学习的煤自然发火期预测

摘要：

为快速准确地预测煤自然发火期,首先基于大型煤自燃低温氧化试验及文献数据组成数据集,并考虑煤自燃影响因素众多且与发火期存在复杂的非线性关系,建立包含煤自然发火期、环境温度、煤炭热值、水分等参数的数据集;其次采用多层感知机(MLP)和随机森林(RF)等机器学习方法建立煤自然发火期预测模型,表征内部因素和外部因素对发火期的影响;同时为增强模型的拟合能力和泛化能力,利用特征工程研究特征变量的相关性,以筛选模型的输入特征;然后利用网格搜索法优化模型超参数,以提高模型的预测能力;最后利用学习曲线法评估模型状态,防止模型过拟合.结果表明:RF和MLP模型均能预测煤自然发火期,RF模型的泛化能力更高;RF和MLP模型预测的平均绝对误差(MAE)分别为9.34天和12.10天,说明机器学习模型可同时考虑多个内外影响因素的复杂作用.

关键词：煤自然发火期、机器学习、预测模型、随机森林(RF)、多层感知机(MLP)

所属期刊栏目：32

分类号：X936(安全工程)

资助基金：国家自然科学基金;陕西省高层次青年科技人才项目

在线出版日期：2023-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：118-124