采空区煤自燃预测指标及其预警值的研究

通过探索崔家寨矿采空区自然发火指标气体变化规律,研究得出自燃预测预报的关键参数,确定了自然发火预测预报指标及其临界值,并在实际中验证了研究的正确性,进行了有效地预测预报,有效减少和控制煤层自燃火灾的发生,使煤炭生产安全可靠,提高煤矿经济效益。

基于随机森林算法的煤自燃温度预测模型研究

针对传统煤自燃温度预测模型预测精度较差、基于支持向量机(SVM)的预测模型对参数的选取要求较高和基于神经网络的预测模型测试时易出现过拟合的问题,提出了一种基于随机森林算法的煤自燃温度预测模型。利用煤自燃程序升温实验选取O2浓度、CO浓度、C2H4浓度、CO/ΔO2比值、C2H4/C2H6比值作为煤自燃预警指标数据,并对指标数据进行处理,将数据分为学习集和测试集;对学习集抽样形成决策树并按决策树最优特征分裂形成随机森林;采用均方误差值和判定系数(R2)优化随机森林算法的参数,进而构建随机森林模型;将测试集数据输入已训练好的随机森林模型,得到煤自燃温度预测结果。模型对比结果表明:与基于粒子群优化反向传播(PSO-BP)神经网络算法和基于SVM算法的煤自燃温度预测模型相比,随机森林测试阶段的R2为0.8697,PSO-BP测试阶段的R2为0.7836,SVM测试阶段的R2为0.8350,说明基于随机森林算法的煤自燃温度预测模型能够较为准确地对煤自燃温度进行预测,具有较强的鲁棒性和普适性,解决了基于PSO-BP神经网络算法的煤自燃温度预测模型和基于SVM算法的煤自燃温度预测模型容易出现过拟合的问题。