基于DBO-SVM的采空区煤自燃危险性预测

摘要

为实现采空区煤自燃危险的准确预警，避免自燃火灾的发生，引入蜣螂优化（dung beetle optimizer, DBO）算法与支持向量机（support vector machine, SVM）算法相结合的煤自燃预测模型。选取O₂、N₂浓度等十种指标作为自燃预测输入指标，自燃危险性等级作为输出指标，对所建模型进行训练，以四种分类性能评价指标检验模型的预测性能和精度，同时将DBO-SVM模型分别与DBO优化反向传播神经网络（BPNN）模型、粒子群优化算法（PSO）、优化BPNN神经网络模型以及SVM模型的预测结果进行对比分析。结果表明：DBO-SVM模型准确率相较于DBO-BPNN、PSO-BPNN、SVM模型分别提高了13.33%、20%、33.33%。将DBO-SVM模型应用于山西晋牛煤矿工作面煤自燃预测，该模型能快速准确地对不同矿井采空区煤自燃危险性进行预测，表明DBO-SVM模型相较于其他模型更具普适性和稳定性，更适合钻孔自燃预测。

关键词

采空区 / 煤自燃 / 预测模型 / 蜣螂优化算法 / 支持向量机