本文已根据 Science X 的编辑流程和政策进行审阅。编辑在确保内容可信度的同时强调了以下属性：
事实核查
同行评审的出版物
可信来源
校对
一项探索该技术如何减少煤矿灾害的新研究表明，人工智能可以在半小时内预测煤矿中与瓦斯相关的事件。
针对中国煤矿的研究比较了 10 种机器学习算法，看看哪种人工智能方法可以提前 30 分钟预测甲烷气体含量的变化，并通知用户异常情况。《科学报告》杂志上发表了“瓦斯预警系统中用于短期预测的十种机器学习算法的比较研究”。
地下矿井中的瓦斯爆炸或着火会带来重大风险，近 60% 的煤炭中国多起因瓦斯瓦斯引发的矿难。
2020年，中国煤炭产量占世界煤炭产量的46%，全国有3200多个瓦斯含量高的煤矿处于突出风险等级。
作者、查尔斯·达尔文大学 (CDU) 科学技术学院兼职副教授 Niusha Shafiabady 表示，结果显示，在 10 种机器学习算法中，有四种机器学习算法产生了最佳结果。
"线性回归是最有效的算法之一，在短期预测方面比其他算法具有更好的性能。”Shafiabady 副教授说道。
“随机森林经常显示出统计上较低的误差性能，并实现了最高的预测精度。支持向量机在小数据集上表现良好，计算时间较短，但随着数据集大小的增加，需要太多的训练时间。
“这项研究的结果将有助于煤炭开采行业降低风险瓦斯爆炸等事故的发生，保护工人，并提高预防和减轻灾害的能力，这些灾害除了潜在的生命损失外，还会导致经济损失。”
该研究是与查尔斯·达尔文大学合作进行的，悉尼科技大学、澳大利亚天主教大学、山西师范大学和中央昆士兰大学。
澳大利亚天主教大学Peter Faber商学院研究员、副教授Niusha Shafiabady表示，收到了多份申请
“这种方法适用于所有煤矿，同样的原理也适用于航空航天、石油天然气、农业等其他行业，”她说。
Shafiabady 副教授之前的一项研究发现，加强对煤矿中风、瓦斯密度和温度的监测也有助于降低灾害风险。
更多信息：Robert M. X. Wu 等人，《煤矿的比较研究》用于气体警报系统短期预测的十种机器学习算法，科学报告（2024 年）。DOI：10.1038/s41598-024-67283-4