一项新的研究探索了人工智能如何降低灾害风险，结果表明，人工智能能够在半小时内预测煤矿中的瓦斯相关事故。
中国煤矿的这项研究对 10 种机器学习算法进行了比较，以查看哪种人工智能方法可以提前 30 分钟对甲烷气体水平的变化进行预测，并通知用户异常情况。
地下矿井中的瓦斯爆炸或点火构成了重大风险，在中国，近 60％的煤矿事故是由甲烷气体引起的。
2020 年，中国的煤炭产量占世界的 46％，国内有 3200 多个高瓦斯含量且有突出风险水平的煤矿。
作者兼查尔斯达尔文大学（CDU）科学与技术学院兼职副教授 Niusha Shafiabady 表示，结果显示在这 10 种算法中，有 4 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，在短期预测方面的性能优于其他算法，”副教授 Shafiabady 说。
“随机森林经常显示出统计上较低的误差性能，并达到最高的预测精度。支持向量机表现良好，在小数据集上计算时间较短，但随着数据集规模的增加，将需要过多的训练时间。
“这项研究的结果将有助于煤炭开采行业降低诸如瓦斯爆炸等事故的风险，保障工人的安全，并增强预防和减轻灾害的能力，这将避免除潜在生命损失之外的经济损失。”
该研究由查尔斯达尔文大学、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共同进行。
同时也是澳大利亚天主教大学彼得·法伯商学院研究员的 Niusha Shafiabady 副教授表示，这些结果有多种应用。
“这种方法适用于所有煤矿，同样的原则也可以应用于航空航天、石油和天然气、农业等其他行业，”她说。
“这是一个人工智能可用于拯救生命和减轻健康与安全风险的应用实例。”
