基于相關向量機的煤自燃預測方法

劉寶， 穆坤， 葉飛， 汪帆， 王靜婷

(1.西安科技大學 電氣與控制工程學院， 陜西 西安 710054；2.西安翻譯學院 工程技術學院， 陜西 西安 710105)

0 引言

煤自燃不僅給煤礦生產帶來極大不便，一旦發生爆炸，還會對礦工的生命安全造成極大威脅[1-2]。煤自燃的有效預防是煤礦安全生產的關鍵，對煤自燃程度的準確預測是煤自燃預防的前提。煤自燃過程中，指標氣體濃度會隨煤質氧化的程度發生變化，因此，可通過檢測及分析該過程中指標氣體濃度來預測煤自燃溫度，達到預測煤自燃程度的目的[3-5]。

近年來，學者們通過各種機器學習算法對指標氣體濃度與煤自燃溫度的關系展開了研究。文獻[6]通過徑向基(Radial Basis Function, RBF)神經網絡學習方法研究了氣體濃度與煤自燃溫度之間的關系。文獻[7]通過支持向量機(Support Vector Machine, SVM)的改進算法對煤自燃溫度進行預測。RBF神經網絡方法用于預測煤自燃具有非線性映射能力與泛化能力強的優點，然而易陷入局部最優，網絡結構復雜；SVM雖可避免“維數災難”，適用于小樣本數據集，但核函數受Mercer條件的限制，對參數的選擇敏感[8]；傳統的機器學習算法對煤自燃溫度進行預測時存在較大誤差。

針對上述問題，本文結合貝葉斯、極大似然估計等理論，提出了基于相關向量機[9-10](Relevance Vector Machine，RVM)的煤自燃程度預測方法，根據特征氣體濃度準確地對煤自燃溫度進行預測。

1 RVM回歸

ti=y(w,xi)+εi

(1)

(2)

式中：y(w,xi)為由權值決定的輸出值；w為S+1維權值wj組成的向量，j=0,1,…,S，即w=[w0,w1,…,wj,…,wS]T；x是由xi組成的矩陣，即x=[x1,x2,…,xi,…,xS]T；εi為第i個噪聲誤差，εi～N(0,δ2)，N(·)為高斯分布，δ2為高斯噪聲的方差；……