本發(fā)明實施例公開了基于機器學習的煤自燃傾向性預測方法。該方法包括:獲取樣本集;將樣本集劃分為訓練集、驗證集和測試集;基于訓練集,利用機器學習方法(多層感知機(MLP)或者隨機森林(RF))構建煤自燃交叉點溫度回歸預測模型;基于訓練集和驗證集得到模型的學習曲線,評估模型所處狀態(tài);基于測試集,利用模型得到煤自燃交叉點溫度,并預測煤自燃傾向性風險等級。本方案能夠通過機器學習模型表示復雜的物理化學過程和外部因素的影響,構建關于交叉點溫度和涉及煤的固有屬性和外部因素的回歸預測模型,采用K?fold交叉驗證法和網(wǎng)格搜索法來提高模型的擬合能力和泛化能力,從而預測煤自燃交叉點溫度,適用性廣并且預測結果準確。
聲明:
“基于機器學習的煤自燃傾向性預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)