留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于随机森林算法的煤自燃温度预测模型研究

郑学召 李梦涵 张嬿妮 姜鹏 王宝元

郑学召,李梦涵,张嬿妮,等.基于随机森林算法的煤自燃温度预测模型研究[J].工矿自动化,2021,47(5):58-64..  doi: 10.13272/j.issn.1671-251x.17700
引用本文: 郑学召,李梦涵,张嬿妮,等.基于随机森林算法的煤自燃温度预测模型研究[J].工矿自动化,2021,47(5):58-64..  doi: 10.13272/j.issn.1671-251x.17700
ZHENG Xuezhao, LI Menghan, ZHANG Yanni, et al. Research on the prediction model of coal spontaneous combustion temperature based on random forest algorithm[J]. Industry and Mine Automation, 2021, 47(5): 58-64. doi: 10.13272/j.issn.1671-251x.17700
Citation: ZHENG Xuezhao, LI Menghan, ZHANG Yanni, et al. Research on the prediction model of coal spontaneous combustion temperature based on random forest algorithm[J]. Industry and Mine Automation, 2021, 47(5): 58-64. doi: 10.13272/j.issn.1671-251x.17700

基于随机森林算法的煤自燃温度预测模型研究

doi: 10.13272/j.issn.1671-251x.17700
基金项目: 

国家自然科学基金资助项目(51674191)

详细信息
  • 中图分类号: TD752

Research on the prediction model of coal spontaneous combustion temperature based on random forest algorithm

  • 摘要: 针对传统煤自燃温度预测模型预测精度较差、基于支持向量机(SVM)的预测模型对参数的选取要求较高和基于神经网络的预测模型测试时易出现过拟合的问题,提出了一种基于随机森林算法的煤自燃温度预测模型。利用煤自燃程序升温实验选取O2浓度、CO浓度、C2H4浓度、CO/ΔO2比值、C2H4/C2H6比值作为煤自燃预警指标数据,并对指标数据进行处理,将数据分为学习集和测试集;对学习集抽样形成决策树并按决策树最优特征分裂形成随机森林;采用均方误差值和判定系数(R2)优化随机森林算法的参数,进而构建随机森林模型;将测试集数据输入已训练好的随机森林模型,得到煤自燃温度预测结果。模型对比结果表明:与基于粒子群优化反向传播(PSO-BP)神经网络算法和基于SVM算法的煤自燃温度预测模型相比,随机森林测试阶段的R2为0.869 7,PSO-BP测试阶段的R2为0.783 6,SVM测试阶段的R2为0.835 0,说明基于随机森林算法的煤自燃温度预测模型能够较为准确地对煤自燃温度进行预测,具有较强的鲁棒性和普适性,解决了基于PSO-BP神经网络算法的煤自燃温度预测模型和基于SVM算法的煤自燃温度预测模型容易出现过拟合的问题。

     

  • 加载中
计量
  • 文章访问数:  73
  • HTML全文浏览量:  10
  • PDF下载量:  7
  • 被引次数: 0
出版历程
  • 刊出日期:  2021-05-20

目录

    /

    返回文章
    返回