典型文献
机器学习在煤粉着火敏感性预测中的应用
文献摘要：
为探究机器学习模型预测煤粉云最低着火温度(Minimum Ignition Temperature,MITc)的可行性,收集 God-bert-Greenwal炉测试得到的煤粉云最小着火温度和影响因子数据,并分析了影响因子的关联性.利用AUC/ROC、Kappa系数、敏感性、特异性、MAE、RMSE等指标对三种机器学习模型在煤粉云最小着火温度和着火概率两方面的预测效果进行评价.结果发现:RSM模型的预测效果最差;RF模型在预测煤粉云MITc和着火概率时具有较好的精度和稳定性;Bagging模型在预测着火概率时AUC值均大于0.85,但预测MITc时效果较差.结果为煤粉云着火敏感性预测提供了一种新的研究思路.
文献关键词：
煤粉云;着火敏感性;随机森林;Bagging模型
中图分类号：
作者姓名：
雷友学
作者机构：
陕西省消防救援总队,陕西 西安710016
文献出处：
引用格式：
[1]雷友学-.机器学习在煤粉着火敏感性预测中的应用)[J].消防科学与技术,2022(10):1384-1389
A类：
着火敏感性,煤粉云,MITc,Greenwal
B类：
煤粉着火,敏感性预测,机器学习模型,最低着火温度,Minimum,Ignition,Temperature,God,bert,试得,Kappa,MAE,RMSE,RSM,RF,Bagging
AB值：
0.220236
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
