采空区煤自燃预测的随机森林方法

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。     

基于模糊综合评价模型的煤自燃危险性评价研究

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。     

基于多特征融合的煤自燃温度深度预测模型

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。     

基于PCA-PSOSVM的煤自燃程度预测研究

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。     

煤的自燃倾向性及自然发火期与活化能关系的探讨

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。     

基于灰色关联理论的煤自燃氧化预测模型研究

简单描述了灰色关联理论的分析原理和分析步骤,并对指标气体进行定性分析。结合定性分析的结果,计算出煤炭氧化自燃过程中每个反应阶段内指标气体与煤体温度之间相互对应的关联度值。同时把该关联值当做选择煤炭自燃程度预测指标的量化依据,挑选出可靠度最高的预测指标。并对得到的最优指标和温度之间的关系用Origin软件进行多项式和指数函数拟合优化,使用拟合相关性系数最高的指数函数建立了煤自燃氧化早期预测模型。     

煤自燃预测预报理论及技术研究综述

在对近年来国内外有关煤自燃预测预报理论及技术方面的文献进行收集整理的基础上,从煤自燃预测预报理论、煤自燃监测技术和隐蔽火源探测技术等3个方面,对煤自燃预测预报的研究进展进行了归纳分析。指出了现有煤自燃监测技术的优势和存在的不足,对其适用条件进行了界定;分析了目前常用的隐蔽火源探测技术的特点及其技术途径,并对其优缺点进行了对比分析。对未来的煤自燃预测预报理论及技术发展趋势进行了展望。     

基于支持向量机的采空区遗煤自燃预测分析

在分析回采工作面煤层自燃基础上,用支持向量机(SVM)预测技术对采空区遗煤自燃进行预测分析。并以忻州窑矿8914综放工作面采空区遗煤自燃为实例,对其不同时期采空区危险性进行预测分析,验证了该方法的可行性。打破传统经验分析法,实现了煤矿安全分析的智能化,对建立本质安全型矿井具有利用价值。     

煤自燃极限参数的支持向量机预测模型

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.      

煤自燃预测技术研究现状

通过研究煤的自燃机理,得出了煤自燃的致灾机理及煤氧化自燃过程的表现特性,为煤自燃预测技术提供了理论依据。基于煤自燃特性,以温度、生成物等宏观量为检测指标,通过采用气体成分分析、测温、仿生气味监测、磁力预测等技术手段对煤自燃进行预测。为了提高对煤自燃预测的准确性并发展煤自燃机理,对煤氧化自燃过程中煤分子变化进行研究,以煤分子的微观变化为特性进行煤自燃预测具有一定的实际意义。     

煤矿火区启封后复燃预测的BP神经网络模型

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.     

基于BP神经网络的煤自燃温度预测研究

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。     

基于SEM的矿井煤自燃危险性综合评价研究

为确定多因素耦合对煤自燃危险性的影响程度，结合系统工程原理构建煤自燃危险性影响因素的结构方程模型，并基于该模型对煤自燃危险性进行综合评价。通过文献研究，综合煤自燃事故的特点，基于系统工程理论，确定影响煤自燃的危险性因素，建立评价煤自燃危险性的指标体系，构建结构方程模型，确定了各指标的权重，并根据指标体系对宁夏某矿井煤自燃危险性进行综合评价。评价结果和煤矿实际煤自燃危险性程度相一致，说明该模型可以用于矿井煤自燃危险性的综合评价。     

基于MATLAB6.1的煤自然发火煤体温度灰色预测研究

根据煤自燃基本规律，建立灰色预测的一维模型GM(1，1)进行预测。预测软件结果表明，灰色预测GM(1，1)模型对煤温进行预测具有理论可行性，且精度较高，说明灰色理论在煤温预测上具有实用价值，同时，预测结果对设备故障诊断具有指导意义。     

用CO浓度预测矿井煤炭自然发火期

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。     

合阳一矿煤自然发火气体预报指标的优选

采用灰色关联分析法,对合阳一矿煤自燃程序升温及自然发火实验产生气体进行关联度分析,得出不同煤温阶段指标气体的广义综合关联度,从而建立了合阳一矿煤自燃预报指标体系,可以准确预测该矿煤自燃程度,对该矿预防自燃火灾具有重要理论指导意义。     

油浸煤自然发火标志气体确定的实验研究

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。     

变氧环境下林南仓矿煤自燃早期预测模型

为了在实验室人工模拟煤的自燃情况,选择8个林南仓矿典型煤样,进行绝氧条件下和8%、12%、14%、17%四个氧浓度环境下的程序升温实验,用气相色谱数据处理系统,直接生成各气体组分数据,并对多组数据进行对比分析。根据多种实验结果,建立CO_2/CO指数形式预测预报模型。借助SPSS软件,通过t检验法对建立的煤自然发火评判模型进行可靠性检验。在变氧环境下,利用建立的指数模型,对CO_2/CO比值随温度变化关系进行拟合,拟合相关系数较高,说明指数函数拟合法可以作为煤自燃早期预测模型。     

煤自燃特性的油浴程序升温实验研究

煤自燃严重威胁着煤矿的安全生产,研究煤的自燃特性,掌握煤自然发火规律,对预测和预防煤层自燃火灾具有重要的理论指导意义。采用油浴程序升温实验系统,分别对亭南煤矿和白胶煤矿不同粒度煤样进行程序升温实验,根据煤样氧化后出口气体浓度的变化分析,得出了不同煤样的耗氧速率、放热强度、气体产生速率等参数和与煤样温度的对应变化关系。通过分析计算,确定出了亭南煤样和白胶煤样的自燃临界温度,最后得出了煤样粒度对自燃临界温度的影响关系。     

风量对煤自燃极限参数影响的实验研究

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。