基于NSGA-II-RF的煤炭自燃层次预测模型的研究

科学领域:

• 采矿工程 采矿工程 采矿工程
• 计算智能是一种计算智能.
• 燃烧科学 燃烧科学

背景情况:

• 煤炭自燃在采矿业务中构成重大安全风险.
• 准确预测燃烧阶段对于防止矿山火灾至关重要.
• 现有的预测模型经常与多指标气体数据的复杂性作斗争.

研究的目的:

• 开发一个分层预测模型来对煤炭自燃温度阶段进行分类.
• 使用多指标气体度来提高预测准确度.
• 提高在采矿环境中早期检测燃烧风险.

主要方法:

• 建立了一个使用多目标遗传算法 (NSGA-II) 优化随机森林 (RF) 的等级预测模型.
• 根据自然点火实验,选择了一些关键指数气体 (CO,CO2,CH4,C2H6,C2H2,CO2/CO,CH4/C2H6).
• 将煤氧复合机制分为七个不同的阶段,将气体度与温度水平相关联.

主要成果:

• 与PSO-RF,PSO-SVM和RF模型相比,NSGA-II-RF模型显示出更高的预测准确度,分别提高了3%,6%和9%.
• 使用准确度,精度,回忆和F1得分的评估表明NSGA-II-RF > PSO-RF > PSO-SVM > RF.
• 该模型有效地描述了七个已识别的燃烧阶段中的每一个指标气体参数.

结论:

• 开发的NSGA-II-RF模型为预测煤炭自燃提供了强大而准确的方法.
• 这种建模改进显著提高了现实世界采矿操作的实际价值.
• 该研究通过早期检测和改进的安全协议,有助于提高矿山安全.