张 怡，陈 莹，陈 宠

(成都理工大学工程技术学院 国土空间应用研究中心，四川 乐山 614000)

煤炭是我国的重要能源，为了满足我国对煤炭资源的需求，煤炭开采机械化程度不断提高，但是随之而来的是煤自燃灾害，随着灾害的出现，煤炭自燃数量与日俱增[1-4]。煤矿采空区数量随着开采速度的增加而增加，这就增加了采空区中的遗煤数量，提高了采空区中遗煤与一氧化碳、甲烷和氧气等气体发生反应的概率，增加了煤层采空区自燃的可能性[5-7]。因此，温度预测方法的研究，对于煤炭易自燃煤层采空区发生的自燃灾害控制具有重要意义。国内外多从煤自燃原理着手，预测采空区温度，并根据原理进行模拟实验，分析煤层采空区自燃过程以及煤自燃时的自燃温度，采用监测温度和气体浓度的方式控制煤自燃灾害的发生[8]。例如，刘振岭等[9]从模型参数着手，建立煤层采空区温度预测模型，并利用Matlab语言和样本，以正向传播的方式训练模型精度，预测易自燃煤层采空区温度，但是该方法训练样本时容易产生训练误差，影响模型预测煤层采空区温度精度，产生较大的预测误差。刘宝等[10]通过试验的方式，确定煤层采空区自燃温度预测指标，根据指标采用BP神经网络算法，建立煤自燃温度预测判别模型，并优化模型参数，但是在预测过程中，极易存在预测指标与矿区实际情况不一致的问题，造成模型预测温度结果与检测的温度值存在较大的误差。……