共 10 条
[9]
小波分析及其应用.[M].唐晓初主编;.重庆大学出版社.2006,
[10]
信号与线性系统分析.[M].吴大正主编;.高等教育出版社.1998,
基于小波变换和优化预测器的瓦斯浓度预测
被引：9
作者：
王晓路
[1
]
刘健
[1
]
卢建军
[2
]
机构：
[1] 西安科技大学通信与信息工程学院
[2] 西安邮电学院通信工程系
来源：
基金：
国家高技术研究发展计划(863计划);
关键词：
瓦斯浓度;
小波变换;
支持向量机;
粒子群优化;
F检验;
预测;
D O I：
暂无
中图分类号：
TD712 [矿井瓦斯];
学科分类号：
081903 ;
摘要：
为了准确预测煤矿瓦斯浓度,提出一种基于小波变换和优化预测器的预测方法.用瓦斯浓度序列分解到小波函数空间（或尺度函数空间）上的能量作为尺度能量,依据尺度能量与满足预测精度的最大误差能量的比值关系,确定小波最佳分解级数.通过小波分解降低瓦斯浓度序列的复杂度,引入延时映射,将小波分解后各个分量转化为具有历史特征的新样本分别进行预测,所得到结果进行叠加为最终预测结果.提出基于预测残差方差比检验的最佳延时单元数确定方法,以预测残差的F检验值作为适应值,采用粒子群算法优化预测器的参数.结果表明:单一的BP人工神经网络（BPANN）或支持向量机（SVM）所建立的预测方法对某些瓦斯浓度突变数据的预测有过拟合现象,其预测结果的平均误差大于23%,小波变换后的组合预测方法对于瓦斯浓度突变数据具有较好的跟踪能力和反应速度,采用预测模型的最佳参数后,预测器性能显著提高,平均误差小于10%,表明所建议的方法是可行和有效的.
引用
收藏
页码：499 / 508
页数：10
相关论文