采空区煤自燃预测的随机森林方法

邓军^1,2，雷昌奎^1,2，曹凯^3,4，马砺^1,2，王彩萍^1,2，翟小伟^1,2

1. 西安科技大学安全科学与工程学院2. 西安科技大学陕西省煤火灾害防控重点实验室4. 中国矿业大学通风防灭火研究所

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。

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;