煤炭工程

作者：詹润,韩锋,张文永,刘英明,刘桂建,黄毅

单位：1. 安徽省煤田地质局勘查研究院，安徽 合肥 2300882. 安徽省战略性矿产资源深部探测与评价利用重点实验室，安徽 合肥 2300093. 中国科学技术大学 地球和空间科学学院，安徽 合肥 2300004. 安徽大学 资源与环境工程学院，安徽 合肥 2306015. 四川省科源工程技术测试中心，四川 成都 610091

关键词：PSO-GA-BP组合算法 , 焦油产率 , 特征参数 , 煤岩煤质 , 预测模型 , 误差,

为了提高焦油产率预测的精度和效率，鉴于煤岩煤质指标之间的多元非线性复杂关系，通过筛选两淮煤田以往煤岩煤质指标较为齐全的129组钻孔数据，利用Pearson相关系数法相关性分析确定了氢碳比、氢元素、镜质组、挥发分与焦油产率相关性最强，氧化钙、氧化镁、氧化铁、氧化硅、氧化铝、固定碳与焦油产率相关性中等，其他指标相关性较弱，并将影响焦油产率的特征参数划分为“强、强+中、强+中+弱”三种指标参数组合，建立了基于PSO-GA-BP的组合优化算法预测模型，通过对不同参数组合进行机器学习训练，对比分析了不同预测模型实际应用效果。结果表明：“强+中”特征参数组合样本数据在训练过程中，性能和训练状态较优，其最佳适应度最大，绝对系数R2、均方根误RMSE、平均绝对误差MAE均好于其他特征参数组合。通过与BP、GA-BP、PSO-BP算法模型进行对比，PSO-GA-BP 组合优化算法模型误差最小，在提高焦油产率预测精度和数据拟合效果方面更具优势。将本次利用钻孔建立的PSO-GA-BP组合算法模型应用到巷道采集扩展样品焦油产率预测中，预测模型表现出较好的泛化能力。建立完整和全面的煤岩煤质数据库，利用先进智能算法，可进一步提高模型学习能力和预测效果。

来源：2025年第8期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2025年第8期