基于PSO-SRU 深度神經(jīng)網(wǎng)絡的煤自燃溫度預測模型

賈澎濤，林開義，郭風景

（1.西安科技大學 計算機科學與技術學院，陜西 西安 710054；2.陜西建新煤化有限責任公司，陜西 黃陵 727300）

0 引言

我國對煤炭的需求短期內不會發(fā)生根本性變化，煤炭在能源結構中仍將長期處于主體地位[1-2]。長期大量開采導致采空區(qū)遺煤增多，煤自燃災害頻發(fā)[3-4]。煤自燃是一個復雜的動態(tài)氧化過程，一旦發(fā)生會造成巨大資源浪費和環(huán)境污染[5-6]。因此，開展煤自燃的溫度預測研究對防控煤自燃災害發(fā)生具有重要意義[7]。

近年來，學者們圍繞煤自燃溫度預測相關問題提出了多種方法，主要有測溫法、自燃實驗預測法和氣體分析法等[8-10]。其中氣體分析法根據(jù)煤體氧化升溫時不同溫度狀態(tài)會釋放不同濃度的氣體產(chǎn)物這一規(guī)律，通過監(jiān)測煤自燃過程中氣體指標濃度預測煤自燃溫度[11-13]。氣體分析法因規(guī)律性強、靈敏度高而被廣泛應用[14-15]。鄧軍等[16]建立了支持向量回歸（Support Vector Regression,SVR）的煤自燃預測模型，并采用粒子群（Particle Swarm Optimization,PSO）選取最佳的核函數(shù)和懲罰因子，提高了預測精度，但該模型對參數(shù)選取敏感，易陷入局部最優(yōu)。劉寶等[17]提出了基于相關向量機（Relevance Vector Machine,RVM）的煤自燃預測方法，簡化了模型參數(shù)選取，泛化性較好，但預測精度有待提高。昝軍才等[18]采用反向傳播（Back Propagation,BP）神經(jīng)網(wǎng)絡學習煤溫與氣體指標的非線性映射關系，實現(xiàn)煤自燃溫度預測，但該方法易出現(xiàn)過擬合現(xiàn)象，泛化能力較差。鄭學召等[19]建立了基于隨機森林（Random Forest,RF）的煤自燃溫度預測模型，優(yōu)化了決策樹深度和數(shù)量，參數(shù)優(yōu)化簡單，泛化性好，但預測精度和模型魯棒性有待提高。……