基于贝叶斯优化 LSTM 的煤炭自燃预警研究

韩 晶晶¹, 赵 慧敏², 王 士硕²
1、华北理工大学人工智能学院
2、华北理工大学理学院

摘要

煤炭自燃严重威胁煤矿安全生产传统预警方法难以精准捕捉其多参数动态耦合的非线性特征。本文提出一种基
于贝叶斯优化长短期记忆网络BO-LSTM的煤炭自燃预警模型。通过最大 - 最小归一化处理多参数数据构建模型并
确定其结构和超参数范围利用贝叶斯优化迭代搜索最优超参数再经训练和评估优化模型。以山东省某矿程序升温实验
数据为例将 BO-LSTM 与网格搜索优化 LSTMGS-LSTM、随机搜索优化 LSTMRS-LSTM进行对比分析。结果
表明BO-LSTM 在训练和测试阶段的平均绝对误差、均方根误差均低于后两者其测试集判定系数为 0.92相较于 GSLSTM 和 RS-LSTM 分别提高 12.2%、5.7%。这表明 BO-LSTM 预测精度高、稳定性和泛化能力强为煤炭自燃预防和控
制提供了可靠技术支持。

关键词

煤炭自燃预警；贝叶斯优化；长短期记忆网络；对比分析；预测精度

参考

[1] 王 德 明 . 煤 矿 热 动 力 灾 害 及 特 性 [J]. 煤 炭 学

报 ,2018,43(01):137-142.DOI:10.13225/j.cnki.jccs.2017.4300.

[2] 岳宁芳 , 金彦 , 孙明福 , 杨程帆 , 冉学超 , 程明 . 基

于多指标气体的煤自燃进程分级预警研究 [J]. 安全与环境学

报 ,2020,20(06):2139-2146.

[3] 邓军 , 雷昌奎 , 曹凯 , 马砺 , 王彩萍 , 翟小伟 . 采空区

煤自燃预测的随机森林方法 [J]. 煤炭学报 ,2018,43(10):2800-

2808.

[4] 周 旭 , 朱 毅 , 张 九 零 , 秦 思 佳 , 王 艺 博 . 基 于

PSO-XGBoost 的 煤 自 燃 程 度 预 测 研 究 [J]. 矿 业 安 全 与 环

保 ,2022,49(06):79-84.

[5] 昝军才 , 魏成才 , 蒋可娟 , 等 . 基于 BP 神经网络的煤

自燃温度预测研究 [J]. 煤炭工程 ,2019,51(10):113-117.