典型文献
基于BO-XGBoost的煤自燃分级预警研究
文献摘要：
为了精准快速预测矿井煤自燃等级,提出一种结合贝叶斯优化方法、 极限梯度提升回归树(XGBoost)的煤自燃分级预警模型.以山东省某矿的煤自然发火实验数据为基础,依据指标气体曲线随温度的变化趋势,划分煤自燃预警等级.同时将数据划分为训练集与测试集,选取O2、CO、C2H4、CO/ΔO2、C2H4/C2H6指标气体作为XGBoost模型的输入,煤温等级作为模型的输出,同时采用贝叶斯优化方法对XGBoost模型中的学习率、n estimators、 最大深度等超参数寻优,构建基于贝叶斯优化的XGBoost煤自燃分级预警模型(BO-XGBoost),并将测试集数据带入到BO-XGBoost、XGBoost、BO-RF、BO-SVM、BO-KNN模型中进行比较分析,结果显示,BO-XGBOOST模型预测准确率为91％,较BO-RF、BO-SVM、BO-KNN准确率分别提高3％、9％、12％.通过在唐山东欢坨煤矿煤自燃分级预警中应用,进一步验证了BO-XGBoost模型的普适性与稳定性,表明建立的BO-XGBoost模型更适合煤自燃分级预警.
文献关键词：
煤自燃;指标气体;贝叶斯优化;XGBoost
中图分类号：
作者姓名：
周旭;王认卓;代亚勋;张九零;孙玉雯
作者机构：
华北理工大学 矿业工程学院, 河北 唐山 063210;华北理工大学 人工智能学院, 河北 唐山 063210
文献出处：
引用格式：
[1]周旭;王认卓;代亚勋;张九零;孙玉雯-.基于BO-XGBoost的煤自燃分级预警研究)[J].煤炭工程,2022(08):108-114
A类：
B类：
XGBoost,煤自燃,分级预警,预警研究,快速预测,矿井,贝叶斯优化,极限梯度提升,梯度提升回归树,预警模型,煤自然发火,指标气体,预警等级,数据划分,训练集,测试集,O2,C2H4,C2H6,煤温,学习率,estimators,超参数寻优,带入,RF,KNN,XGBOOST,预测准确率,唐山,煤矿
AB值：
0.273513
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。
