基于机器学习的煤自然发火期预测

作者：张利冬; 宋泽阳^*; 罗振敏; 赵珊珊

来源：中国安全科学学报, 2022, 32(12): 118-124.

DOI：10.16265/j.cnki.issn1003-3033.2022.12.0134

• 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)

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。

• 单位
  西安科技大学