用模拟通风数据和随机森林模型识别地下矿山火灾的位置和规模
Yuting Xue1, Davood Bahrami1, Lihong Zhou1
1CDC NIOSH, Pittsburgh, PA, USA.
Mining, metallurgy & exploration
|February 13, 2024
概括
机器学习使用通风数据准确预测地下矿山火灾的位置和大小. 改进的模型可以在矿山火灾紧急情况下加强安全决策.
科学领域:
- 采矿工程 采矿工程 采矿工程
- 计算科学 计算科学
- 安全科学安全科学 安全科学
背景情况:
- 地下矿山火灾对工人的安全和健康构成重大风险.
- 准确地确定火灾的位置和大小对于有效的灭火策略至关重要.
研究的目的:
- 开发一种机器学习模型,用于预测地下矿山火灾的位置和规模.
- 识别关键的通风参数,以准确预测火灾.
主要方法:
- 模拟采矿火灾场景,使用MFire生成通风数据.
- 采用了采用矿山气道通风数据的随机森林模型.
- 根据针对性监测的特征重要性选择了五条关键气道.
主要成果:
- 实现了0.920的初始准确度,用于火灾位置预测.
- 通过将产生误导数据的相互连接的航线分组,将模型性能提高到0.962.
- 证明模型准确度随着火灾大小的增加而增加.
结论:
- 机器学习,特别是使用通风数据,提供了一种可行的方法来预测地下矿山火灾的位置和规模.
- 识别和分组关键气道可以提高模型的准确性.
- 开发的模型可以帮助矿山安全人员在紧急情况下做出明智的决策.
