来源：期刊VIP网 时间：
作者：乔国民;史旭明;王凯;李小成;王占龙;陈锦辉;张智新;
单位：甘肃靖煤能源有限公司魏家地煤矿分公司;西安科技大学安全科学与工程学院;
摘要：随着煤自燃预测场景复杂化与数据量的增加，现有基于神经网络模型预测的煤自燃温度方法难以精准捕捉特定场景下的关键致灾前兆，导致其预测精度与可靠性在实际应用中显著下降，难以满足煤矿智能化发展下煤自燃预测的需求。针对上述问题，通过研究通风影响下的煤自燃多特征指标数据变化规律，提出了一种基于粒子群（PSO）优化BP神经网络的煤自燃高温点预测模型（PSO-BP），选择O_2,CO,CO_2,CH_4浓度和距离进风口的高度5个因素作为模型输入参数，将温度值作为模型预测数据。实验结果表明：随着煤温的升高，煤样的氧化速度加快，煤的自然发火过程呈现出三阶段变化特点，O_2浓度呈现阶段性下降趋势，CO,CO_2和CH_4浓度随供风时间均呈指数变化，高温区域呈现出沿逆风流方向向进风侧动态迁移的规律；通过参数寻优后，PSO-BP的平均绝对误差（MAE）相较于优化前下降了1.2%，平均偏差误差（MBE）下降了58.5%，均方根误差（RMSE）下降了18.6%。选取甘肃靖煤能源有限公司宝积山矿区某矿东1煤层进风侧与回风侧采空区数据进一步验证该模型，结果表明，PSO-BP在不同煤层的误差指标均为最小，且其在不同煤层的误差指标波动范围均小于BP神经网络模型误差波动范围。
关键词：煤自燃;;影响因素;;温度分布预测;;粒子群优化算法;;BP神经网络
基金资助：国家自然科学基金资助项目（52374232,U24A2092）;; 陕西省自然科学基础研究计划资助项目（2025SYS-SYSZD-116）
