煤层自燃是矿井的主要灾害之一，给矿井安全正常运营带来了巨大的威胁。针对传统煤自燃气体预测模型预测精度较差，且基于BP神经网络的预测模型测试时易出现过拟合的问题，基于AI自学习算法(随机森林和BP神经网络)构建了煤自燃特征气体定量评价模型，并对其参数进行优化。通过实验和对比分析发现，基于随机森林的煤自燃特征气体定量评价模型在训练和测试阶段表现出了较高的准确性和鲁棒性，预测精度明显优于基于BP神经网络的煤自燃特征气体定量评价模型。基于随机森林的煤自燃特征气体定量评价模型的MAE、MAPE、RMSE及R2指标均优于基于BP神经网络的煤自燃特征气体定量评价模型，而基于BP神经网络的煤自燃特征气体定量评价模型在测试阶段出现了过拟合现象，降低了其鲁棒性和预测精度。研究结果表明，基于AI自学习的煤自燃气体定量评价模型具有较高的准确率和可靠性，为煤自燃预测及煤自燃火灾早期预防提供了重要参考。

0 引言
3 基于AI自学习的煤层自燃特征气体定量评价模型构建
3.1 气体指标选取和数据采集
3.2 数据预处理
3.2.1 指标气体的关联程度计算步骤
3.2.2 煤自燃数据归一化处理
3.3 基于随机森林的煤自燃特征气体定量评价模型
3.3.1 构建模型
3.3.2 参数寻优
3.3.3 定量评价结果分析
3.4 基于BP神经网络的煤自燃特征气体定量评价模型
3.4.1 构建模型
3.4.2 模型参数确定
3.4.3 参数寻优
3.4.4 定量评价结果分析
3.5 模型对比分析
4 结语