基于相关向量机的煤自燃预测方法 论文

在煤自燃程度预测方面，基于径向基（RBF）神经网络的方法结构复杂、易陷入局部最优，基于支持向量机（SVM）方法的核函数受Mercer条件限制而对参数敏感，传统的机器学习方法误差较大。针对上述问题，提出了一种基于相关向量机（RVM）的煤自燃预测方法。以易发生煤自燃现象的亭南煤矿为例，模拟煤样自燃升温过程并采集气体浓度与煤自燃温度数据，建立训练样本和测试样本；由训练样本构建RVM模型，得到模型的最优参数；将测试样本代入已训练的RVM模型中，预测煤自燃温度值。与基于RBF神经网络和SVM的煤自燃预测方法进行比较，结果表明，基于RBF神经网络和SVM的煤自燃预测方法训练误差较小，但测试误差较大，说明这2种方法存在过拟合现象，泛化能力差；基于RVM的煤自燃预测方法的训练误差与测试误差比较接近且预测精度最高。