基于机器学习的煤自燃温度预测模型研究
发布时间：2022-01-20 06:57
煤自燃灾害是煤矿五大灾害之一。我国大部分矿井都是自燃和容易自燃煤层,其中80%～90%矿井火灾是由煤自燃引起的。近年来随着矿井开采技术的进步,煤自燃事故的发生概率有所降低,但煤自燃防治仍是重中之重。因此,加强煤自燃预警技术研究,针对煤自燃灾害防治及时作出正确决策,对于煤矿的安全生产和矿工的生命安全具有重要意义。本文系统的阐述了煤自燃温度预测方法的研究对于煤炭行业的重要意义。通过大型煤自然发火实验、煤自燃程序升温实验,并根据现场经验最终确定了 CO、O2、CO/ΔO2、C2H4以及C2H4/C2H6等5个煤自燃温度预测指标。本文对于PSO-BP神经网络算法、支持向量机算法、随机森林算法进行了基础分析,分别分析了三种算法在煤自燃温度预测的适用性。针对煤自燃温度预测判别模型性能的检验,本文将某矿煤样的实验数据作为模型的学习集和测试集。为了使煤自燃温度预测判别模型的学习和预测更接近真实值,本文对实验数据进行了数据缺失值处理以及数据的归一化处理,这样可以解决煤自燃温度预测判别模型在训练过程中产生的误差,使模型达到更高的精度。针对煤自燃温度预测判别模型的检验标准,本文引入了4个误差指标来对煤自燃温...
【文章来源】：西安科技大学陕西省
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
煤自然发火装置外观图
2煤自燃温度预测指标分析9（2）供风系统气流通过压缩机和稳流阀以及流量计等装置。其目的是控制进风量。然后气流通过湿度调节箱和温度调节箱，使气流的温度和湿度与煤体环境相同。如图2.3所示供风系统的结构图：压缩机压力表稳流阀流量计湿度调节箱压差计出口炉内煤体入口紫铜管空气包图2.3供风系统流程框图（3）气体分析系统将煤与氧气反应产生的气体抽出，然后送至气象色谱仪进行分析，如图2.4所示。图2.4气体检测分析系统气体检测系统主要是由色谱仪、取样器和数据分析处理站构成。通过气体分析系统来监测煤与氧气反应产生的气体变化。3）实验条件根据煤自然发火实验要求，对东滩矿煤样进行煤自然发火测试，测试温度范围为常温至170℃左右。从东滩矿井下工作面进行采样，利用采样铲等工具按照采样标准进行采样。将采集到的煤样装入防潮塑料袋内，然后装入编织袋，并在编织袋上注明采样信息，并运回西安科技大学煤火灾害防治实验室中心。实验室中心的工作人员对煤样进行检查，并开展破碎、称重、装煤等准备工作。如表2.2所示为该实验的实验条件。表2.3为工业分析以及元素分析
西安科技大学硕士学位论文46遍历以及搜索。（2）网络搜索法的具体步骤Step1：以基于支持向量机的煤自燃温度预测判别模型中的c参数以及g参数为横、纵坐标轴，以均方差（MSE）为Z轴建立三维坐标系。Step2：确定c、g参数的搜索范围。其中c参数的搜索范围为[，]，g参数的搜索范围为[，]，搜索步长为1。Step3：基于MATLAB算法进行运算，得到参数优化结果图。具体如4.15所示，其中左面为参数优化结果图的3D视图，右面的图为其平铺转换成等高线图。图4.16参数优化结果图如图4.16所示，随着g参数和c参数的不断发展变化。均方差（MSE）在不断减小，一直到蓝色部分均方差趋近于最校说明c参数以及g参数在这一范围内，使得基于支持向量机的煤自燃温度预测判别模型的误差达到了最小，其预测精度达到了最高，预测效果达到了最好，模型的性能达到了最优。如表4.7所示为基于支持向量机的煤自燃温度预测判别模型的初始参数优化结果。表4.7初始参数优化结果参数取值c参数范围[，]g参数范围[，]c参数的最优取值97.0059g参数的最优取值6.06294.3.4预测结果分析
【参考文献】：
期刊论文
[1]宫颈细胞图像的特征选择与分类识别算法研究[J]. 董娜,赵丽,常建芳,吴爱国. 湖南大学学报(自然科学版). 2019(12)
[2]遗传算法优化的BP神经网络在地面温度多模式集成预报的应用研究[J]. 雷彦森,蔡晓军,王文,李江峰,李倩文. 气象科学. 2018(06)
[3]煤自燃指标体系试验研究[J]. 邓军,白祖锦,肖旸,陈龙刚,李达江. 安全与环境学报. 2018(05)
[4]采空区煤自燃预测的随机森林方法[J]. 邓军,雷昌奎,曹凯,马砺,王彩萍,翟小伟. 煤炭学报. 2018(10)
[5]基于决策树的分类算法研究[J]. 武亦文. 数字通信世界. 2017(12)
[6]基于多源信息融合技术的采空区稳定性评价[J]. 董宪久. 矿业研究与开发. 2017(10)
[7]基于信息增益的文本特征选择方法[J]. 王理冬. 电脑知识与技术. 2017(25)
[8]基于多源信息融合技术的煤矿作业环境参数分析[J]. 马亚楠,杨韬,田立勤. 华北科技学院学报. 2017(02)
[9]我国煤火灾害防治技术研究现状及展望[J]. 邓军,李贝,王凯,王彩萍. 煤炭科学技术. 2016(10)
[10]煤层自燃标志气体及预报指标体系研究[J]. 付京斌. 煤炭与化工. 2016(08)
博士论文
[1]复杂空区下开采区域自燃探测治理及整体防控研究[D]. 于树江.中国矿业大学（北京） 2015
[2]煤氧化过程CO产生机理及安全指标研究[D]. 翟小伟.西安科技大学 2012
[3]煤自燃多源信息融合预警研究[D]. 陈晓坤.西安科技大学 2012
[4]煤中活性基团的氧化及自反应过程[D]. 戚绪尧.中国矿业大学 2011
[5]煤自燃过程的实验及数值模拟研究[D]. 文虎.西安科技大学 2003
硕士论文
[1]基于随机森林算法建模的糖尿病预警系统设计与实现[D]. 刘欢.山东师范大学 2019
[2]基于最小二乘支持向量机的短时交通流预测方法研究[D]. 罗川.太原理工大学 2019
[3]基于粒子群算法优化卷积神经网络结构[D]. 白燕燕.内蒙古大学 2019
[4]支持向量机多分类器的研究与应用[D]. 沈洋.江南大学 2019
[5]基于TDLAS煤自燃多组分指标气体的识别[D]. 殷聪.西安科技大学 2018
[6]基于距离加权支持向量回归的递归特征剔除研究[D]. 欧歌.吉林大学 2018
[7]基于多传感器信息融合的火灾预警系统研究[D]. 张井超.河北工业大学 2017
[8]基于粒子群优化BP神经网络的上市公司财务风险预测研究[D]. 冯珍慧.东华大学 2017
[9]基于不确定多分类支持向量机在滑坡危险性预测的应用[D]. 周昭飞.江西理工大学 2016
[10]多传感器信息融合方法研究及在火灾预测中的应用[D]. 马文龙.东北大学 2015
本文编号：3598375
【文章来源】：西安科技大学陕西省
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
煤自然发火装置外观图
2煤自燃温度预测指标分析9（2）供风系统气流通过压缩机和稳流阀以及流量计等装置。其目的是控制进风量。然后气流通过湿度调节箱和温度调节箱，使气流的温度和湿度与煤体环境相同。如图2.3所示供风系统的结构图：压缩机压力表稳流阀流量计湿度调节箱压差计出口炉内煤体入口紫铜管空气包图2.3供风系统流程框图（3）气体分析系统将煤与氧气反应产生的气体抽出，然后送至气象色谱仪进行分析，如图2.4所示。图2.4气体检测分析系统气体检测系统主要是由色谱仪、取样器和数据分析处理站构成。通过气体分析系统来监测煤与氧气反应产生的气体变化。3）实验条件根据煤自然发火实验要求，对东滩矿煤样进行煤自然发火测试，测试温度范围为常温至170℃左右。从东滩矿井下工作面进行采样，利用采样铲等工具按照采样标准进行采样。将采集到的煤样装入防潮塑料袋内，然后装入编织袋，并在编织袋上注明采样信息，并运回西安科技大学煤火灾害防治实验室中心。实验室中心的工作人员对煤样进行检查，并开展破碎、称重、装煤等准备工作。如表2.2所示为该实验的实验条件。表2.3为工业分析以及元素分析
西安科技大学硕士学位论文46遍历以及搜索。（2）网络搜索法的具体步骤Step1：以基于支持向量机的煤自燃温度预测判别模型中的c参数以及g参数为横、纵坐标轴，以均方差（MSE）为Z轴建立三维坐标系。Step2：确定c、g参数的搜索范围。其中c参数的搜索范围为[，]，g参数的搜索范围为[，]，搜索步长为1。Step3：基于MATLAB算法进行运算，得到参数优化结果图。具体如4.15所示，其中左面为参数优化结果图的3D视图，右面的图为其平铺转换成等高线图。图4.16参数优化结果图如图4.16所示，随着g参数和c参数的不断发展变化。均方差（MSE）在不断减小，一直到蓝色部分均方差趋近于最校说明c参数以及g参数在这一范围内，使得基于支持向量机的煤自燃温度预测判别模型的误差达到了最小，其预测精度达到了最高，预测效果达到了最好，模型的性能达到了最优。如表4.7所示为基于支持向量机的煤自燃温度预测判别模型的初始参数优化结果。表4.7初始参数优化结果参数取值c参数范围[，]g参数范围[，]c参数的最优取值97.0059g参数的最优取值6.06294.3.4预测结果分析
【参考文献】：
期刊论文
[1]宫颈细胞图像的特征选择与分类识别算法研究[J]. 董娜,赵丽,常建芳,吴爱国. 湖南大学学报(自然科学版). 2019(12)
[2]遗传算法优化的BP神经网络在地面温度多模式集成预报的应用研究[J]. 雷彦森,蔡晓军,王文,李江峰,李倩文. 气象科学. 2018(06)
[3]煤自燃指标体系试验研究[J]. 邓军,白祖锦,肖旸,陈龙刚,李达江. 安全与环境学报. 2018(05)
[4]采空区煤自燃预测的随机森林方法[J]. 邓军,雷昌奎,曹凯,马砺,王彩萍,翟小伟. 煤炭学报. 2018(10)
[5]基于决策树的分类算法研究[J]. 武亦文. 数字通信世界. 2017(12)
[6]基于多源信息融合技术的采空区稳定性评价[J]. 董宪久. 矿业研究与开发. 2017(10)
[7]基于信息增益的文本特征选择方法[J]. 王理冬. 电脑知识与技术. 2017(25)
[8]基于多源信息融合技术的煤矿作业环境参数分析[J]. 马亚楠,杨韬,田立勤. 华北科技学院学报. 2017(02)
[9]我国煤火灾害防治技术研究现状及展望[J]. 邓军,李贝,王凯,王彩萍. 煤炭科学技术. 2016(10)
[10]煤层自燃标志气体及预报指标体系研究[J]. 付京斌. 煤炭与化工. 2016(08)
博士论文
[1]复杂空区下开采区域自燃探测治理及整体防控研究[D]. 于树江.中国矿业大学（北京） 2015
[2]煤氧化过程CO产生机理及安全指标研究[D]. 翟小伟.西安科技大学 2012
[3]煤自燃多源信息融合预警研究[D]. 陈晓坤.西安科技大学 2012
[4]煤中活性基团的氧化及自反应过程[D]. 戚绪尧.中国矿业大学 2011
[5]煤自燃过程的实验及数值模拟研究[D]. 文虎.西安科技大学 2003
硕士论文
[1]基于随机森林算法建模的糖尿病预警系统设计与实现[D]. 刘欢.山东师范大学 2019
[2]基于最小二乘支持向量机的短时交通流预测方法研究[D]. 罗川.太原理工大学 2019
[3]基于粒子群算法优化卷积神经网络结构[D]. 白燕燕.内蒙古大学 2019
[4]支持向量机多分类器的研究与应用[D]. 沈洋.江南大学 2019
[5]基于TDLAS煤自燃多组分指标气体的识别[D]. 殷聪.西安科技大学 2018
[6]基于距离加权支持向量回归的递归特征剔除研究[D]. 欧歌.吉林大学 2018
[7]基于多传感器信息融合的火灾预警系统研究[D]. 张井超.河北工业大学 2017
[8]基于粒子群优化BP神经网络的上市公司财务风险预测研究[D]. 冯珍慧.东华大学 2017
[9]基于不确定多分类支持向量机在滑坡危险性预测的应用[D]. 周昭飞.江西理工大学 2016
[10]多传感器信息融合方法研究及在火灾预测中的应用[D]. 马文龙.东北大学 2015
本文编号：3598375
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3598375.html
