基于网格优化双层随机森林的采空区煤氧化升温预测研究

为了对采空区煤氧化升温的温度进行预测,在内蒙古某煤矿16402综放工作面进行长期的采空区气体和温度观测实验,采集到准确的采空区煤氧化升温过程中气体及温度数据,提出1种基于网格优化双层随机森林(WG-DRF)的采空区煤氧化升温预测方法,用该方法构建预测模型并与传统随机森林、BP神经网络和支持向量回归模型的预测结果进行对比。研究结果表明:WG-DRF模型预测的平均绝对误差MAE,均方误差MSE,决定系数R~2分别为1.725,6.158,0.903,优于其他模型。通过更换数据集对WG-DRF方法进行测试,验证双层随机森林模型具有较强的泛化性。研究结果可为采空区煤氧化升温的温度预测提供参考。