《Case Studies in Thermal Engineering》：Dominant mechanism and threshold behavior of spontaneous combustion in coal gangue hills: A multi-field coupled and interpretable machine learning approach
编辑推荐：
煤矸石山的自燃是一个典型的由气流渗流、氧化反应和热量积聚驱动的多场耦合过程。然而，在多因素耦合条件下，控制自燃风险的主导因素及其调控机制尚未得到充分量化，这阻碍了对煤矸石山自燃灾害的精确预测和有效工程防治。为解决这一问题，本研究提出了一种综合的CFD-OD-M
煤矸石山的自燃是一个典型的由气流渗流、氧化反应和热量积聚驱动的多场耦合过程。然而，在多因素耦合条件下，控制自燃风险的主导因素及其调控机制尚未得到充分量化，这阻碍了对煤矸石山自燃灾害的精确预测和有效工程防治。为解决这一问题，本研究提出了一种综合的CFD-OD-ML集成框架，系统研究了煤矸石山内部多物理场的耦合演化特征，并定量识别了自燃的关键控制因素。通过数据驱动建模方法实现了温度演化和燃烧风险的高精度预测。结果表明，自燃风险主要受氧化放热与对流传热散热之间的竞争性相互作用控制。在影响参数中，孔隙率起主导作用，其次是碳含量和环境温度，而风速的影响相对较弱。进一步分析揭示了大约0.35的临界孔隙率阈值。低于该阈值时，有限的气流抑制了对流散热，导致热量积聚和自燃风险增加。高于该阈值时，增强的渗透性加强了对流传热，从而抑制了进一步的温升。构建了煤矸石山GP-LightGBM自燃风险预测模型，超过96%的预测误差控制在±20%以内。基于SHAP的可解释性分析进一步定量确认了孔隙率的主导贡献，并阐明了关键变量的非线性响应和阈值效应。此外，开发了一种基于GUI的快速预测工具，实现了CFD模拟输出、正交实验设计结果和机器学习预测的集成应用。总体而言，本研究为煤矸石山自燃的机理理解、风险评估和工程防治策略提供了新的见解。
煤矸石山自燃的多场耦合机制与阈值行为研究解读
煤矸石山是煤炭开采和洗选过程中形成的典型固体废弃物堆积体。其长期堆存不仅占用大量土地，且其中的残余碳质组分和含硫矿物在持续供氧条件下易发生低温氧化反应，进而诱发自燃。自燃过程受孔隙结构、供氧条件和外部环境条件等多重因素影响，这种多因素耦合进一步加剧了自燃风险。一旦形成自燃，往往具有持续时间长、隐蔽性强、治理难度大等特点，会释放大量热量、有毒有害气体、颗粒物和温室气体，对大气环境、周边生态系统和矿区工程安全构成威胁。然而，现有研究大多聚焦于单一影响因素分析或多场分布特征描述，对多因素耦合条件下各因素的相对贡献及其作用机制的定量认识仍不充分。因此，准确识别煤矸石山自燃的主控因素与演化机制，并对其自燃风险进行预测，对矿区自燃风险评估与火灾防控具有重要意义。
针对上述问题，研究人员构建了融合CFD数值模拟、正交实验设计(Orthogonal array-based Design, OD)和机器学习(Machine Learning, ML)的综合研究框架，系统表征煤矸石山自燃过程中渗流场、氧气浓度场和温度场的耦合演化特征，定量识别孔隙率、碳含量、环境温度、风速、粒径和水分含量对煤矸石山自燃的相对贡献，分析孔隙率对热量积聚与对流散热竞争过程的调控效应，并揭示临界阈值特征。同时，结合GP-LightGBM模型与SHAP解释方法，实现了自燃风险的高精度预测与关键变量机理的定量解析。该研究发表于《Case Studies in Thermal Engineering》。
研究采用的主要关键技术方法包括：第一，基于ANSYS Fluent的多物理场数值模拟，建立渗流-氧气-温度三场耦合模型；第二，采用L9(3
4)正交实验设计结合极差分析，识别煤矸石山温度的主导控制因素，研究区域位于内蒙古乌海市；第三，基于TPOT自动机器学习框架构建数据驱动预测模型，并通过SHAP框架进行模型可解释性分析；第四，开发基于图形用户界面(GUI)的工程应用工具。模拟时长设置为180天，通过用户自定义函数(UDF)实现关键参数嵌入。
研究结果与分析如下：
（1）多场耦合行为分析：渗流场分布表明，坡面附近气流速度较高而深部区域显著降低，浅层中上部区域因氧化反应和热积聚形成局部高速区，气流呈现典型烟囱效应。氧气浓度场分析显示，氧浓度在坡面附近最高并随深度逐渐降低，在深部趋近于零，总体呈由表及里的同心圆式逐层递减分布。温度场分析表明，高温区域主要位于坡面以下约2.5m的中上部区域，坡脚和深部区域温度相对较低，高温区呈柱状对称分布，集中于高程5.1m至14.3m之间。
（2）多因素耦合下主导因素识别：基于正交实验结果计算高温区域面积并进行极差分析，各影响因素的重要性排序为：孔隙率＞碳含量＞环境温度＞风速。这表明内部结构特征在决定燃烧风险方面比外部环境条件更为关键。最易诱发自燃的参数组合为A1B3C1D3，自燃风险最低的组合为A3B1C3D1。初始孔隙率和风速与自燃风险呈负相关，而碳含量和环境温度与自燃风险呈正相关。
（3）孔隙率主导因素的机理分析：孔隙率在煤矸石山中随高度和距坡面深度的增加总体呈减小趋势，这主要源于堆积过程中的颗粒粒径偏析现象。模拟结果显示，内部渗流速度与孔隙率呈正相关，较高的孔隙率导致内部氧浓度升高。随孔隙率增大，中上部区域温度降低，虽然增强的气流增加了供氧量和氧化放热，但由更快渗流引起的强化散热占主导地位，导致整体温度下降。初始孔隙率与自燃风险区域体积及其平均温度均呈负相关，当孔隙率从0.30增加至0.35时，燃烧区体积和温度显著降低；超过0.35后降低趋势减缓。因此，0.35的初始孔隙率可作为识别易自燃煤矸石山的临界参考值。
（4）数据驱动验证与非线性解释：TPOT自动化算法确定了优化的LightGBM(GP-LightGBM)为最佳性能模型。与其对比的SVR、RF、XGBoost、LR及原始LightGBM模型相比，GP-LightGBM的预测结果更均匀分布在真实值周围，误差控制在±20%以内，训练集和测试集均表现一致，体现出较强的鲁棒性和泛化能力。训练集中99%的预测值落在0.8-1.2范围内，测试集中96%的预测值在此范围内。SHAP全局可解释性分析显示，孔隙率贡献率为34.5%，碳含量为24.6%，粒径为17.9%，环境温度影响适中，风速和水分含量影响相对较小。局部可解释性分析揭示，孔隙率、风速和水分含量对预测的贡献呈非线性模式，随数值增大由正转负。碳含量对矸石山温度呈正反馈作用，粒径增大抑制温度升高。环境温度通过调节温度梯度影响反应动力学和散热过程，呈正贡献。风速低于3.6m/s时促进氧化反应和热量积聚，超过该阈值后对流散热增强导致负贡献。水分含量具有双向调节作用，适中水平促进氧化反应，过量则抑制氧扩散。
（5）多因素耦合下的主导机制与状态转变：正交实验设计分析和SHAP解释均一致表明，自燃受产热与散热竞争机制控制。氧化放热提供主要热源，气流引起的对流传热主导散热，其相对强度受孔隙率、碳含量、环境温度和风速共同调控。孔隙率因决定渗透率、氧气传输和对流换热能力而成为主导控制参数。当孔隙率低于约0.35时，受限气流抑制对流散热但维持氧化反应持续进行，导致热量积聚，燃烧风险升高；一旦超过该阈值，增强的渗透性显著强化对流传热，系统向散热主导状态转变，从而有效抑制温升。这一转变反映了从反应控制的热量积聚到流动增强的热量耗散的根本性转变。
（6）预测程序实现：基于GP-LightGBM模型代码开发了GUI程序，用户只需输入六项特征参数并点击预测按钮，即可获得相应的温度结果和风险分区，便于工程设计和快速评估。
在研究结论方面，正交实验设计分析表明影响因素的相对重要性顺序为：孔隙率＞碳含量＞环境温度＞风速。当孔隙率低于约0.35时，受限气流限制对流散热，导致热量积聚和燃烧风险增加；超过该阈值后，系统转变为散热主导状态，有效抑制进一步温升。优化的GP-LightGBM模型表现出稳健的预测性能，超过96%的预测误差控制在±20%以内。基于SHAP的可解释性分析定量确认了孔隙率的主导作用，并揭示了关键变量的非线性效应和阈值依赖转变，这与正交实验设计结果高度一致。通过压实、粒径优化和表面覆盖等措施调节煤矸石山内部孔隙结构，可改变渗透率和传热条件，从而降低燃烧风险。所提出的GUI工具和CFD-OD-ML集成研究框架为风险预测提供了快速可靠的工具，支持更全面的防控策略制定。该研究为煤矸石山自燃的机理认知、风险评估和工程防治提供了新的理论依据和方法支撑。
