杉木砂光粉尘爆炸最小点火能预测模型

摘要

旨在开发一个基于XGBoost（极端梯度提升）算法的杉木砂光粉最小点火能（MIE）预测模型，采用XGBoost技术对多个影响因素如粉尘质量浓度、含水率、喷射压力和比表面积径等进行综合分析，构建杉木砂光粉MIE的预测模型，并使用R²、MAE、RMSE、MAD和MAPE 5个评价指标来综合评价模型的整体性能和该模型对各因素的权重。结果表明：在杉木砂光粉MIE预测模型研究中，此模型在训练集和测试集上的R²分别为0.999 61和0.969 05,展现了高度的预测准确性。对于MIE上限的预测，模型在训练集和测试集的R²分别为0.999 71和0.986 38,进一步证实了其有效性。在误差分析中，MAE、RMSE、MAD和MAPE均表现出模型在训练集上的高预测精度，且研究中较低的MAPE值表明模型预测与实际值之间的百分比误差较小，说明模型在泛化能力上表现良好。使用XGBoost模型对各因素权重分析表明，粉尘质量浓度是对MIE预测影响最大的因素。通过XGBoost模型的应用，不仅为杉木砂光粉MIE的预测提供了新视角，同时也为木材加工行业促进生产过程的安全管理提供了一种有效的风险评估工具。

关键词

杉木粉尘 / 最小点火能 / 预测模型 / XGBoost / 误差分析