基于SSA-RF的采空区煤自燃温度回归分析模型

Regression analysis model of coal spontaneous combustion temperature in goaf based on SSA-RF

汪伟 ¹崔欣超 ²祁云 ¹梁然 ²贾宝山 ³薛凯隆²

扫码查看

作者信息

1. 山西大同大学煤炭工程学院,山西大同 037000;辽宁工程技术大学安全科学与工程学院,辽宁阜新 123000
2. 山西大同大学煤炭工程学院,山西大同 037000
3. 辽宁工程技术大学安全科学与工程学院,辽宁阜新 123000;辽宁工程技术大学矿山热动力灾害与防治教育部重点实验室,辽宁葫芦岛 125000
折叠

摘要

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.

关键词

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

Key words

goaf/coal spontaneous combustion temperature/sparrow search algorithm(SSA)/random forest(RF)/regression analysis model

引用本文复制引用

基金项目

山西省基础研究计划(自由探索类)青年项目(202203021222300)

山西省高等学校科技创新计划(2022L449)

山西省高等学校科技创新计划(2022L448)

国家重点研发计划(2018YFC0807900)

出版年

2023

中国安全科学学报

中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心

影响因子：1.548

ISSN：1003-3033

被引量2

参考文献量8

段落导航