10.13347/j.cnki.mkaq.2022.09.012
基于数据重构增强的采空区遗煤自燃预测模型
目前采空区遗煤自燃预测模型的外推泛化能力不强,主要原因是模型训练数据集数量较少以及监测过程和方法等造成的数据分布特征不明显;采用WGAN-GP模型生成虚拟样本,对实测数据集特征分布进行重构增强;通过参数相关性计算,生成虚拟数据集各参数间相关性系数变化均未超过15％;采用1倍实测数据集数量的扩容虚拟样本,进行模型的学习训练.结果表明:各模型的预测性能均有提高,其中R2指标GA-BPNN模型提高12％,GA-SVM模型提高4％,RF模型提高3％;MAE指标均降低,GA-BPNN模型降低0.67℃,GA-SVM模型降低了0.54℃,RF模型降低0.33℃;RMSE指标均降低,GA-BPNN模型降低0.41℃,GA-SVM模型降低0.46℃,RF模型降低0.39℃;增强扩容的数据集对3种预测模型的性能都有提高,其中GA-BPNN模型预测性能提高幅度最大.
采空区遗煤、煤自燃预测、虚拟样本、数据增强、对抗神经网络
53
TD75+2(矿山安全与劳动保护)
山西省基础研究计划资助项目20210302124108
2022-09-22（万方平台首次上网日期，不代表论文的发表时间）
共8页
86-93
