贾澎涛，林开义，郭风景

（1.西安科技大学 计算机科学与技术学院，陕西 西安 710054；2.陕西建新煤化有限责任公司，陕西 黄陵 727300）

0 引言

我国对煤炭的需求短期内不会发生根本性变化，煤炭在能源结构中仍将长期处于主体地位[1-2]。长期大量开采导致采空区遗煤增多，煤自燃灾害频发[3-4]。煤自燃是一个复杂的动态氧化过程，一旦发生会造成巨大资源浪费和环境污染[5-6]。因此，开展煤自燃的温度预测研究对防控煤自燃灾害发生具有重要意义[7]。

近年来，学者们围绕煤自燃温度预测相关问题提出了多种方法，主要有测温法、自燃实验预测法和气体分析法等[8-10]。其中气体分析法根据煤体氧化升温时不同温度状态会释放不同浓度的气体产物这一规律，通过监测煤自燃过程中气体指标浓度预测煤自燃温度[11-13]。气体分析法因规律性强、灵敏度高而被广泛应用[14-15]。邓军等[16]建立了支持向量回归（Support Vector Regression,SVR）的煤自燃预测模型，并采用粒子群（Particle Swarm Optimization,PSO）选取最佳的核函数和惩罚因子，提高了预测精度，但该模型对参数选取敏感，易陷入局部最优。刘宝等[17]提出了基于相关向量机（Relevance Vector Machine,RVM）的煤自燃预测方法，简化了模型参数选取，泛化性较好，但预测精度有待提高。昝军才等[18]采用反向传播（Back Propagation,BP）神经网络学习煤温与气体指标的非线性映射关系，实现煤自燃温度预测，但该方法易出现过拟合现象，泛化能力较差。郑学召等[19]建立了基于随机森林（Random Forest,RF）的煤自燃温度预测模型，优化了决策树深度和数量，参数优化简单，泛化性好，但预测精度和模型鲁棒性有待提高。……