文献类型：期刊文章

作　　者：王民华[1] 牛显[2]

WANG Minhua;NIU Xian(Department of Mining Engineering,Shanxi University of Energy,Taiyuan 030006,China;School of Mining and Technology,InnerMongolia Universityof Technology,Hohhot 010051,China)

机构地区：[1]山西能源学院矿业工程系,山西太原030006 [2]内蒙古工业大学矿业学院,内蒙古呼和浩特010051

出　　处：《煤矿安全》

基　　金：山西省基础研究计划基金资助项目(20210302124108)。

年　　份：2022

卷　　号：53

期　　号：9

起止页码：86-93

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、JST、ZGKJHX、核心刊

摘　　要：目前采空区遗煤自燃预测模型的外推泛化能力不强,主要原因是模型训练数据集数量较少以及监测过程和方法等造成的数据分布特征不明显;采用WGAN-GP模型生成虚拟样本,对实测数据集特征分布进行重构增强;通过参数相关性计算,生成虚拟数据集各参数间相关性系数变化均未超过15%;采用1倍实测数据集数量的扩容虚拟样本,进行模型的学习训练。结果表明:各模型的预测性能均有提高,其中R~2指标GA-BPNN模型提高12%,GA-SVM模型提高4%,RF模型提高3%;MAE指标均降低,GA-BPNN模型降低0.67℃,GA-SVM模型降低了0.54℃,RF模型降低0.33℃;RMSE指标均降低,GA-BPNN模型降低0.41℃,GA-SVM模型降低0.46℃,RF模型降低0.39℃;增强扩容的数据集对3种预测模型的性能都有提高,其中GABPNN模型预测性能提高幅度最大。

关 键 词：采空区遗煤 煤自燃预测  虚拟样本  数据增强  对抗神经网络  

分 类 号：TD752]