中国安全科学学报

作者：汪伟, 崔欣超, 祁云, 梁然, 贾宝山, 薛凯隆

单位：1 山西大同大学 煤炭工程学院,山西 大同 037000；2 辽宁工程技术大学 安全科学与工程学院,辽宁 阜新 123000；3 辽宁工程技术大学 矿山热动力灾害与防治教育部重点实验室,辽宁 葫芦岛 125000

关键词：采空区,煤自燃温度,麻雀搜索算法(SSA),随机森林(RF),回归分析模型

基金：山西省基础研究计划(自由探索类)青年项目(202203021222300); 山西省高等学校科技创新计划项目(2022L449); 山西省高等学校科技创新计划项目(2022L448); 国家重点研发计划项目(2018YFC0807900)

为了快速精准地对采空区遗煤自燃温度进行回归分析,避免自燃火灾发生,提出麻雀搜索算法(SSA)与随机森林(RF)算法相结合的SSA-RF采空区煤自燃温度回归分析模型。首先,基于东滩矿煤自燃特性试验获得的数据,对比分析SSA-RF模型与RF、反向传播神经网络(BPNN)、粒子群算法(PSO)-BPNN、SSA-BPNN模型的回归结果;然后以正佳煤业1204采煤工作面的试验数据为例,验证SSA-RF模型的可靠性;最后将该模型应用于东古城煤矿。结果表明:SSA-RF、RF、BPNN、PSO-BPNN以及SSA-BPNN模型测试样本的平均绝对误差(MAE)分别为11.203 1、14.342 0、 19.599 1、15.530 6、14.352 8;平均绝对百分比误差(MAPE)分别为14.89 %、16.91%、18.55%、18.43%、18.11%;均方根误差(RMSE)分别为13.761 0、16.525 0、20.786 6、18.022 7、17.735 5;决定系数(R2)分别为0.927 4、0.882 7、0.815 3、0.843 6、0.868 8;其中SSA-RF模型各指标均为最优,说明其具有普适性和稳定性,更适合煤自燃温度回归分析。

来源：2023年第9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2023年第9期