基于SGWO-SVR的煤自燃温度预测研究_中国煤炭行业知识服务平台

基于SGWO-SVR的煤自燃温度预测研究

作者

杨宝伟崇立国梁辉梁勃申鹏坤张鑫隆孟郡伯
单位

华能庆阳煤电有限公司核桃峪煤矿煤矿安全技术国家重点实验室中煤科工集团沈阳研究院有限公司
摘要

煤自燃温度的有效预测对于煤矿火灾的监测和预防具有重要意义。针对传统煤自燃温度预测模型预测精度不足的问题，并结合预测数据样本的特征及适用模型的时效性，提出了一种基于非线性参数控制、动态惯性权重和灰狼社会层级结构的改进灰狼优化支持向量回归（SVR）煤自燃温度预测模型，并通过数值实验验证了改进灰狼优化算法的有效性。结果表明，改进后的灰狼算法具有更强的全局搜索能力、更快的收敛速度和更好的稳定性，所提出的预测模型在精度和稳定性上具有显著优势，为煤自燃火灾预测与预警提供了更好的决策参考。
关键词

煤自燃支持向量回归灰狼优化算法改进搜索算法智能预测
基金项目(Foundation)

华能煤业有限公司自立科技项目资助（HNQMHTY-075-2023-JZ01）；
文章目录

0引言
1理论基础
1.1支持向量回归（Support Vector Regression,SVR)
1.2灰狼优化算法（Grey Wolf Optimizer,GWO)
2建立预测模型
2.1数据获取
2.2模拟退火改进GWO
2.3模型训练
2.4结果分析
3结论
引用格式

[1]杨宝伟,崇立国,梁辉,等.基于SGWO-SVR的煤自燃温度预测研究[J].能源技术与管理,2024,49(06):21-25.