تعاني طريقة الامتصاص التقليدية لقياس كمية الغاز في طبقات الفحم من مشاكل مثل ارتفاع التكلفة وطول الدورة وصعوبة التغطية الإقليمية، مما يصعب تلبية متطلبات التقييم السريع للقابلية الاقتصادية للتعدين وخفض التكلفة وزيادة الكفاءة. لذلك، تم اقتراح طريقة للتنبؤ بكمية الغاز في طبقات الفحم تعتمد على نموذج دمج Stacking المحسن. تقوم هذه الطريقة بتحسين المعلمات الفائقة لخمس نماذج أساسية غير متجانسة وهي آلة الدعم الناقلة، الغابة العشوائية، التعزيز التدريجي المتطرف، جهاز التعزيز التدريجي الخفيف، وشبكة التوصيل متعددة الطبقات من خلال بحث شبكي، وتدمج بشكل مبتكر بين ميزات مجموعة التدريب الأصلية ونتائج التنبؤ لكل نموذج أساسي بمتوسط مرجح لبناء مجموعة تدريب جديدة تُدخل في نموذج الانحدار الخطي للمستوى الأعلى للتعلم الثانوي، مما يحقق دمجًا مزدوجًا بين الميزات الأصلية ومعلومات التنبؤ للنماذج الأساسية. تم تطبيق النموذج على كتلة الغاز في حوض تشينشوي الجنوبي، وأظهرت النتائج أن معامل التحديد لمجموعة الاختبار لنموذج الـ Stacking المحسن وصل إلى 0.94، بزيادة 10.64% و6.38% مقارنة بأفضل نموذج أساسي منفرد ونموذج Stacking القياسي على التوالي؛ كما تم خفض متوسط الخطأ المطلق، الجذر التربيعي لمتوسط الخطأ، ومتوسط الخطأ التربيعي بنسب 14.3%، 25.2%، و43.7% على التوالي مقارنة بنموذج Stacking القياسي. أظهر التحليل التفسيري لشبكة SHAP (وهي طريقة لتفسير تنبؤات نماذج تعلم الآلة) أن عمق ميل طبقة الفحم، الجهد الطبيعي، والجاما الطبيعي هي الميزات الرئيسية المؤثرة على التنبؤ بكمية الغاز. أظهرت التطبيقات الميدانية توافقًا جيدًا بين نتائج التنبؤ وقياسات الآبار الثمانية، حيث كان متوسط الخطأ المطلق أقل من 0.84 متر مكعب/طن، ومتوسط الخطأ النسبي أقل من 6%. حسن هذا النموذج بشكل ملحوظ دقة وموثوقية التنبؤ بكمية الغاز في طبقات الفحم، مقدمًا وسيلة تقنية جديدة لتقييم اختيار موارد الغاز وتطويرها بكفاءة.

غاز طبقات الفحم;كمية الغاز;تعلم الآلة;نموذج دمج Stacking;تحليل تفسيري