基于BO-XGBoost的煤自燃分级预警研究

作者：周旭; 王认卓; 代亚勋; 张九零^*; 孙玉雯

来源：煤炭工程, 2022, 54(08): 108-114.

• 煤自燃
• 指标气体
• 贝叶斯优化
• XGBoost

为了精准快速预测矿井煤自燃等级，提出一种结合贝叶斯优化方法、极限梯度提升回归树(XGBoost)的煤自燃分级预警模型。以山东省某矿的煤自然发火实验数据为基础，依据指标气体曲线随温度的变化趋势，划分煤自燃预警等级。同时将数据划分为训练集与测试集，选取O2、CO、C2H4、CO/ΔO2、C2H4/C2H6指标气体作为XGBoost模型的输入，煤温等级作为模型的输出，同时采用贝叶斯优化方法对XGBoost模型中的学习率、n＿estimators、最大深度等超参数寻优，构建基于贝叶斯优化的XGBoost煤自燃分级预警模型(BO-XGBoost),并将测试集数据带入到BO-XGBoost、XGBoost、BO-RF、BO-SVM、BO-KNN模型中进行比较分析，结果显示，BO-XGBOOST模型预测准确率为91%,较BO-RF、BO-SVM、BO-KNN准确率分别提高3%、9%、12%。通过在唐山东欢坨煤矿煤自燃分级预警中应用，进一步验证了BO-XGBoost模型的普适性与稳定性，表明建立的BO-XGBoost模型更适合煤自燃分级预警。

• 单位
  华北理工大学