采空区煤自燃预测的随机森林方法

• 作者: 曹凯 王彩萍 翟小伟 邓军 雷昌奎 马砺
• 来源期刊: 煤炭学报
• 学科: 工学
• 关键词: 采空区 煤自燃 随机森林 支持向量机 粒子群优化 温度预测
• 年，卷（期）: 2018,（10）
• 页码范围: 2800-2808
• 页数: 9页
• 分类号: TD752.2
• 字数: 5966字
• 语种: 中文

摘要

煤自然发火温度的准确预测是矿井煤自燃防控的关键.为了准确可靠地预测采空区煤自燃温度,在大佛寺煤矿40106综放工作面开展了长期的采空区温度和气体观测实验,提出了一种基于随机森林(RF)方法的采空区煤自燃预测模型,并将预测结果与支持向量机(SVM)和BP神经网络(BPNN)方法对比.采用粒子群优化算法(PSO)对RF和SVM超参数进行优化,建立了参数优化的PSO-RF和PSO-SVM预测模型.结果表明,RF,PSO-RF,SVM和PSO-SVM模型均具有较强的泛化性和鲁棒性;RF在建模过程中拥有宽广的参数适应范围,当树的数量(ntree)超过100后,其训练误差趋于稳定,ntree的改变对预测性能没有实质的影响;虽然PSO算法可以找到RF最优超参数,但默认参数的RF模型就能获得满意的预测性能;SVM预测结果则对超参数十分敏感,PSO优化可以显著提高其预测精度,其预测性能依赖于超参数的最优选择;BPNN模型在训练阶段拥有极佳的预测结果,但易出现“过拟合”,导致泛化性弱,测试阶段误差较大.通过在其他矿井煤自燃预测中应用,验证了RF方法的稳定性和普适性,且无需复杂参数设置和优化就能获得良好的预测性能,可进一步应用于其他能源燃料领域.