多指标特征提取和温度预测模型用于自发燃烧和氧化煤的自发燃烧和氧化
Xuming Shao1, Xiaojun Zhang2, Wenhao Liu3
1Safety Science and Engineering College, Liaoning Technical University, Huludao, Liaoning, 125105, China.
这项研究引入了一种先进的ITOC-KELM模型,用于利用气体排放来预测煤炭自燃温度. 该模型表现出高精度,为矿山安全和早期风险检测提供了强大的解决方案.
科学领域:
- 采矿工程 采矿工程 采矿工程
- 化学工程是化学工程的重要组成部分.
- 数据科学数据科学数据科学
背景情况:
- 煤炭自发燃烧是一个重要的矿山安全危险.
- 准确的温度预测对于预警系统至关重要.
- 了解煤炭氧化和气体演变是防止火灾的关键.
研究的目的:
- 开发一个强大的,数据驱动的模型来预测煤炭自燃温度.
- 为了捕捉煤炭氧化气体和温度之间的非线性关系.
- 通过智能早期检测和风险评估,提高矿山安全.
主要方法:
- 对煤样品进行编程加热实验,以分析氧化和气体排放.
- 选择12个与气体相关的指标 (单个气体和比率) 作为输入特征.
- 开发一个改进的龙卷风优化器与科里奥利斯力 (ITOC) -Kernel极端学习机器 (KELM) 模型 (ITOC-KELM).
- 统计分析和多对线性测试 (VIF) 用于数据变化和模型稳定性.
- SHAP分析解释模型行为和特征影响.
主要成果:
- ITOC-KELM模型实现了高的预测准确性 (R2 = 0.9465,MAPE = 21.26%).
- 影响温度预测的关键气体包括CO,CO2和C2H4.
- 与七个基准模型相比,该模型表现出卓越的性能和稳定性.
- 对独立数据集的验证证实了强大的概括性和适用性.
结论:
- ITOC-KELM模型为智能早期检测煤炭自燃提供了一个有效的框架.
- 该研究强调了多气体分析对于准确的温度预测的重要性.
- 挑战包括获得高质量的数据集和在地下环境中实时部署.
更多相关视频
07:24Combustion Chemistry of Fuels: Quantitative Speciation Data Obtained from an Atmospheric High-temperature Flow Reactor with Coupled Molecular-beam Mass Spectrometer
Published on: February 19, 2018
08:16Combustion Characterization and Model Fuel Development for Micro-tubular Flame-assisted Fuel Cells
Published on: October 2, 2016
相关概念视频
Combustion Energy: A Measure of Stability in Alkanes and Cycloalkanes
Alkanes undergo combustion in the presence of excess oxygen and high-temperature conditions to give carbon dioxide and water. A combustion reaction is the energy source in natural gas, liquified...
Constant Volume Calorimetry
Indicators
Enthalpy and Heat of Reaction
Flame Photometry: Overview
Quantifying Heat
