一项新的研究探索了人工智能如何降低灾难风险，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。
在中国煤矿的研究中，对 10 种机器学习算法进行了比较，以确定哪种人工智能方法能够提前 30 分钟预测甲烷气体水平的变化，并通知用户异常情况。
地下矿井中的瓦斯爆炸或点火存在重大风险，在中国，近 60%的煤矿事故由甲烷气体引起。
2020 年，中国的煤炭产量占世界的 46%，国内有超过 3200 座高瓦斯含量且处于突出危险水平的煤矿。
作者、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，研究结果显示，在 10 种算法中，有 4 种机器学习算法产生了最佳结果。
“线性回归是效率最高的算法之一，在短期预测方面比其他算法表现更好，”副教授 Shafiabady 说。
“随机森林经常表现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，但随着数据集大小的增加，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瓦斯爆炸等事故的风险，保障工人安全，并增强预防和减轻灾难的能力，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以用来拯救生命和降低健康与安全风险的应用实例。”
关于气体预警系统中十种机器学习算法的短期预测的比较研究发表在《科学报告》杂志上。
