基于SSA-RF的采空区煤自燃温度回归分析模型

作者：汪伟; 崔欣超^*; 祁云; 梁然; 贾宝山; 薛凯隆

来源：中国安全科学学报, 2023, 33(09): 136-141.

DOI：10.16265/j.cnki.issn1003-3033.2023.09.0846

• 采空区
• 煤自燃温度
• 麻雀搜索算法(SSA)
• 随机森林(RF)
• 回归分析模型

为了快速精准地对采空区遗煤自燃温度进行回归分析，避免自燃火灾发生，提出麻雀搜索算法(SSA)与随机森林(RF)算法相结合的SSA-RF采空区煤自燃温度回归分析模型。首先，基于东滩矿煤自燃特性试验获得的数据，对比分析SSA-RF模型与RF、反向传播神经网络(BPNN)、粒子群算法(PSO)-BPNN、SSA-BPNN模型的回归结果；然后以正佳煤业1204采煤工作面的试验数据为例，验证SSA-RF模型的可靠性；最后将该模型应用于东古城煤矿。结果表明：SSA-RF、RF、BPNN、PSO-BPNN以及SSA-BPNN模型测试样本的平均绝对误差(MAE)分别为11.203 1、14.342 0、 19.599 1、15.530 6、14.352 8;平均绝对百分比误差(MAPE)分别为14.89%、16.91%、18.55%、18.43%、18.11%;均方根误差(RMSE)分别为13.761 0、16.525 0、20.786 6、18.022 7、17.735 5;决定系数(R2)分别为0.927 4、0.882 7、0.815 3、0.843 6、0.868 8;其中SSA-RF模型各指标均为最优，说明其具有普适性和稳定性，更适合煤自燃温度回归分析。

• 单位
  山西大同大学; 辽宁工程技术大学