中国安全科学学报

作者：高飞, 梁宁, 贾喆, 侯青

单位：1 辽宁工程技术大学 安全科学与工程学院,辽宁 葫芦岛 125130；2 矿山热动力灾害与防治教育部重点实验室,辽宁 葫芦岛 125130；3 河北冀中能源股份有限公司,河北 邢台 054099

关键词：麻雀搜索算法(SSA),径向基函数(RBF)神经网络,煤自然发火,预测模型,指标气,灰色关联度

基金：国家自然基金面上项目(51874161)

为解决传统煤自燃预测模型预测状态单一和预测精度不高的问题,提出基于麻雀搜索算法(SSA)优化的径向基(RBF)神经网络煤自然发火预测模型。首先,采用程序升温试验分析煤样指标气随温度的变化特征,将煤自然发火过程按煤温分为缓慢(80≤ti<120 ℃)、加速(120≤ti<160 ℃)和激烈(ti≥160 ℃)3个氧化阶段,同时分析这3个阶段指标气与煤温的灰色关联度;其次通过不同维度测试函数检验粒子群算法(PSO)、灰狼算法(GWO)和SSA算法性能;最后利用6个矿区数据验证基于SSA-RBF神经网络的煤自燃预测模型的优越性。结果显示,缓慢氧化阶段CO/ΔO2、CO、C2H4这3种指标气体与煤温的灰色关联系数最大;而加速氧化阶段C2H4/C2H6、CO/ΔO2、CO2/CO 3种指标与煤温的灰色关联系数最大。3种不同维度函数的测试结果表明:SSA与PSO、GWO相比具有更好的全局搜索能力和稳定性,其收敛速度更快;神经元数量为5个、迭代次数为300次时,SSA-RBF神经网络预测模型对缓慢氧化和加速氧化阶段的预测准确性分别达到了99%和93%。

来源：2024年第8期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2024年第8期