基于时间序列的瓦斯浓度动态预测
郭思雯
陶玉帆
李超
1.中国矿业大学(北京)机电与信息工程学院,北京,1000832.中国矿业大学(北京)机电与信息工程学院,北京,1000833.中国矿业大学(北京)机电与信息工程学院,北京,100083
摘要：现有瓦斯浓度预测方法只能实现瓦斯浓度的静态预测,不能随着瓦斯数据的累积而及时更新,从而导致预测结果不具有及时性.针对该问题,提出了一种基于时间序列的瓦斯浓度动态预测方法.利用小波分解技术的多分辨率特性,将瓦斯浓度时间序列分解到不同尺度上,使时间序列平稳化;通过实时动态构建的自回归滑动平均(ARMA)模型,利用过去瓦斯浓度变化趋势预测未来一段时间的矿井瓦斯浓度值,得到时间序列预测结果;为提高瓦斯浓度预测精度,将ARMA模型的预测结果与矿井环境参数输入到训练好的BP神经网络模型中,通过BP神经网络模型对预测结果进行修正,从而获得最终的瓦斯浓度预测值.测试结果表明,该方法可对矿井瓦斯浓度进行准确预测,瓦斯体积分数预测平均相对误差从8％降低到了5％.
关键词：矿井瓦斯浓度预测瓦斯浓度动态预测时间序列小波分解自回归滑动平均模型BP神经网络
分类号：TD712(矿山安全与劳动保护)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 20-25 )
英文信息