共查询到20条相似文献,搜索用时 62 毫秒
1.
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。 相似文献
2.
为了能够准确预测煤矿开采过程中采空区遗煤自燃的危险性,基于系统工程理论,运用层次分析法和模糊数学方法构建模糊综合评价模型,以此判断采空区遗煤自燃危险性。从“人-机-环-管”角度出发分析影响煤自燃的诸多因素,建立蕴含2层指标的煤自燃危险性评价体系,并进行了自燃危险性等级划分,分为很危险、危险、一般、较安全以及安全5个危险性等级。利用模糊综合评价模型对工程实例进行了危险性识别,得到的危险等级结果与工程实际情况相吻合,表明该模型应用到煤自燃危险性评价中具有良好的合理性与准确性,能够达到准确判别采空区遗煤自燃危险性的目的,以便提前制定防控措施。 相似文献
3.
为了有效预防煤矿采空区煤自燃灾害,提高煤自燃灾害预测模型精度,提出了基于多特征融合的煤自燃温度深度预测模型。首先,通过自编码器网络对煤自燃数据的每一个特征进行降噪处理,增强数据的鲁棒性;其次,按时间序列顺序将降噪后的数据转成二维特征矩阵,采用滑动窗口对特征矩阵进行切片,并采用深度学习中的卷积神经网络提取特征矩阵上的有效特征,进行特征数据融合,在降噪和特征提取与融合的过程中采用差分进化算法对降噪自编码器和卷积神经网络的参数进行优化;最后,将融合后的数据输入门控循环单元神经网络进行煤自燃温度预测。实验结果表明,降噪后和特征融合后的数据在平均绝对误差上比直接采用原始数据预测误差分别降低6.55%和69.26%,均方根误差分别降低13.23%和63.49%,说明经过编码器降噪以及特征融合处理后能够有效提升煤自燃温度预测的准确度。 相似文献
4.
《矿业安全与环保》2016,(5):27-31
针对煤自燃程度指标多且与气体产物之间存在复杂非线性关系的特点,将主成分分析理论(PCA)和支持向量机算法(SVM)相结合,建立了煤自燃程度的预测模型。对表征煤自燃程度的10个指标进行主成分分析,提取其中3个主要成分作为支持向量机的输入,利用MATLAB实现回归预测,运用粒子群算法(PSO)对支持向量机的参数寻优,并与遗传算法(GA)参数寻优进行了对比。预测结果显示,PCA-PSOSVM模型的预测精度相对较高,其相对误差绝对值的平均值为4.26%,而PSOSVM、GASVM和PCA-GASVM的相对误差绝对值的平均值分别为8.16%、10.62%和7.81%,表明经PCA降维处理后的SVM预测准确率高于未经PCA降维处理的SVM预测结果,PSOSVM比GASVM具有更好的预测效果。 相似文献
5.
煤炭自燃是个复杂的物理化学过程,可以从多角度来研究煤的自燃,国内外对煤的自燃从不同的方面进行了研究。文章采用理论分析和实验研究相结合的方法对煤的自然倾向性和自然发火期与活化能之间的关系进行了探讨。活化能可以作为划分煤的自燃倾向性和预测自然发火期的的1个参考指标。 相似文献
6.
7.
8.
9.
建立了基于支持向量机 (Support Vector Machine, SVM)的煤自燃极限参数预测模型;经过与多项式函数及Sigmoid核函数的对比,选用径向基函数作为SVM核函数;提出了一种SVM参数优化的变步长搜索方法,先在一个大区域根据训练样本均方差的值改变参数搜索步长,找到一个性能好的小区域,在这个小区域中应用网格搜索法找到最优参数,可提高参数搜索速度.实验表明,与人工神经网络模型相比,在样本有限的情况下,基于支持向量机的煤自燃极限参数预测模型预测精度更高、速度更快,说明支持向量机技术在煤自燃极限参数预测中具有实用价值. 相似文献
10.
11.
煤矿火区启封后复燃预测的BP神经网络模型 总被引:1,自引:0,他引:1
煤矿井下火区启封时需要预测是否发生复燃现象,目前复燃的预测手段仅仅依赖于人工经验分析,存在智能性不足的问题,预测结果的可靠性较低.为此,结合煤自燃的内因(煤自燃倾向性)和自燃指标气体CO,CO2,O2,C2H4,C2H2,提出了一种基于BP网络的多参数火区复燃预测方法,并建立了预测模型.应用表明,该网络模型收敛速度快,预测效果理想,可以准确预测火区复燃的可能性,将其应用于复燃预测是可行的,具有较好的应用前景. 相似文献
12.
为了研究煤在氧化升温过程中CO、CO2、CH4、C2H6、C2H4等气体对温度的反馈作用,并通过各气体的数据准确预测煤自燃的温度。以赵楼煤矿为背景,采集部分煤样,放入煤自然发火实验炉中,通过数控程序系统,模拟煤自然发火时的漏风强度和供氧量,收集指标气体和温度等相关数据。采用气体成分分析法和神经网络算法建立BP神经网络预测模型,选取CO、CO2、CH4、C2H6、C2H4气体浓度作为神经网络的输入层,煤温作为输出层,设置8个隐含层神经元对煤自燃情况进行预测。结果表明:经过训练后,预测温度与实际温度基本吻合,误差控制在0~0.00065,该预测模型的建立对于矿井煤自燃早期预报有着极其重要的指导意义。 相似文献
13.
14.
15.
本文分析了煤炭自燃过程中的各种参数,以火区附近的CO浓度为预测指标,利用灰色系统理论建立了自然发火期的预测模型,并对某矿煤的氧化自燃过程作了分析。 相似文献
16.
17.
陕北地区煤层顶板富含原油,煤矿开采过程中顶板原油浸入采空区遗煤。为研究原油浸入对煤自燃特性的影响,进行了原煤及2%、5%和10%等不同含油质量比煤样的程序升温氧化试验,分析了气体产出特征,给出了预报煤自燃的临界温度,确定了煤自燃预测指标。结果表明:测试温度30~190℃之间,不同含油比煤样气体产出具有分段特征,原油占据了部分粒间空隙与孔隙,延缓了煤氧反应进程,且含油程度越高,延缓作用越明显,在剧烈氧化阶段后期(150~190℃),同一温度下不同含油比煤样气体产量差值大,且随氧化温度升高,氧化差值越来越大。在原油浸入未知情况下,不利于预测煤自燃氧化阶段,为此采用组合比值项指标预测方法,该方法很好地降低了浸油量对煤自燃预报的影响,提高了预测预报的灵敏性与准确性。最终,按含油程度不同,分类进行油浸煤自然发火预报。 相似文献
18.
19.
20.
为了研究不同的风量条件对煤自燃极限参数的影响,采用煤自燃程序升温实验系统,测试了5种不同风量条件下煤样的耗氧速率、CO产生率、CO_2产生率和放热强度,在此基础上计算煤自燃极限参数并分析其变化规律。实验结果表明:不同的供风量导致煤体的氧化放热强度不同,在风量为60 m L/min的情况下煤体放热强度最大;煤自燃极限参数随风量的变化可以分为2个阶段:风量在40 m L/min之前,煤样的最小浮煤厚度和下限氧浓度均随风量的增加而减小,煤样的上限漏风强度随风量的增加而增加。风量在40 m L/min之后,最小浮煤厚度和下限氧浓度随风量的增加近似呈线性增加,上限漏风强度随风量的增加近似呈线性减小,说明在井下开采过程中要注意风量的调节,使煤的自燃极限参数向不利于煤自燃的方向发展。 相似文献