-
题名煤自燃预测的支持向量回归方法
被引量：22
- 1
-
-
作者
邓军
雷昌奎
曹凯
马砺
王伟峰
-
机构
西安科技大学安全科学与工程学院
西安科技大学陕西煤火防控重点实验室
徐州安云矿业科技有限公司
中国矿业大学通风防灭火研究所
-
出处
《西安科技大学学报》
CAS
北大核心
2018年第2期175-180,共6页
-
基金
国家自然科学基金(51574193
51504186)
陕西省工业科技攻关(2016GY-191)
-
文摘
煤自燃温度的准确预测是矿井煤自燃防控的关键。为了科学准确地预测采空区煤自燃温度,在大佛寺煤矿40106综放工作面开展现场观测实验,以现场束管监测系统数据为基础,采用粒子群优化算法(PSO)优化支持向量回归(SVR)参数,建立了煤自燃温度预测的PSO-SVR模型;同时,在保证训练和测试样本不变的前提下,建立了标准SVR模型、BP神经网络(BPNN)模型和多元线性回归(MLR)模型,并与PSO-SVR模型预测结果进行对比分析。MLR,BPNN,SVR和PSO-SVR模型训练样本预测结果的平均绝对百分比误差(MAPE)分别为:5.75%,0.84%,4.16%和1.13%,测试样本预测结果的MAPE分别为:5.17%,3.03%,3.83%和1.34%.结果表明:MLR模型预测结果最差,说明煤自燃温度与气体指标之间的非线性关系更显著,线性模型不宜于煤自燃预测;BPNN模型训练样本预测效果极佳,但测试样本预测效果较差,易出现"过拟合"现象,泛化性较差;PSO-SVR模型预测精度较标准SVR模型有了极大提高,更适宜于煤自燃预测。
-
关键词
煤自燃
支持向量回归
粒子群优化
神经网络
-
Keywords
coal spontaneous combustion
support vector regression
particle swarm optimization
neural networks
-
分类号
TD75
[矿业工程—矿井通风与安全]
-
-
题名高温贫氧下不同温度阶段煤体自燃指标气体测试
被引量：9
- 2
-
-
作者
赵婧昱
张宇轩
宋佳佳
张嬿妮
王凯
-
机构
西安科技大学安全科学与工程学院
西安科技大学陕西省煤火防控重点实验室
新疆大学干旱生态环境研究所和新疆大学生态学博士后流动站
-
出处
《西安科技大学学报》
CAS
北大核心
2019年第2期189-193,共5页
-
基金
国家自然科学基金(51804246)
西安科技大学博士(后)启动金项目(2017QDJ057)
+1 种基金
陕西省自然科学基础研究计划(2017JQ5047)
陕西省教育厅专项科研计划(17JK0500)
-
文摘
为了研究高温贫氧条件对煤自燃指标气体释放的影响,利用西安科技大学自主研发的高温氧化燃烧特性测试装置,测试30～500℃过程中煤自燃气体变化规律,通过使用指标气体的增长率分析法,并参考热分析实验温度区间划分准则,得出5个特征温度点,以此作为划分煤样常温至高温不同氧化阶段的依据,分为4个阶段:分别是临界温度阶段,干裂-活性-增速温度阶段,增速-燃点温度阶段和燃烧阶段。分析不同阶段的指标气体的变化规律,实验结果表明,CO气体在第1阶段增长较为缓慢,在第2,第3阶段增长较为迅速,呈现出指数级增长态势,当温度超过燃烧温度后,CO气体浓度开始呈现出下降的态势,后由于稳定官能团的断裂,气体浓度有所回升。C_2H_4气体在干裂-活性-增速温度阶段前增长较为缓慢,而后急剧增长,当温度到达燃烧温度时,C_2H_4气体浓度达到顶峰,随后随着温度的上升,气体浓度急剧下降。
-
关键词
高温贫氧
指标气体
特征温度
温度阶段
-
Keywords
high-temperature and low-oxygen
indictor gases
characteristic temperatures
temperature stages
-
分类号
TD752.2
[矿业工程—矿井通风与安全]
-
