瓦斯浓度区间预测的灰色聚类与高斯过程模型

被引：17

作者：

董丁稳

李树刚

常心坦

林海飞

机构：

[1] 西安科技大学能源学院

来源：

中国安全科学学报 | 2011年 / 21卷 / 05期

基金：

高等学校博士学科点专项科研基金;

关键词：

预测有效度; 灰色关联聚类分析; 高斯过程回归; 时间序列; 区间预测; 瓦斯浓度;

D O I：

10.16265/j.cnki.issn1003-3033.2011.05.015

中图分类号：

TD712 [矿井瓦斯];

学科分类号：

081903 ;

摘要：

为有效分析矿井瓦斯监测数据,以实现准确、可靠的瓦斯浓度预测,基于灰色关联聚类分析与高斯过程回归模型,研究瓦斯浓度时间序列分析与预测的方法。以预测有效度为预测精度的评估指标来动态确定重构瓦斯浓度时间序列样本空间的维数;应用灰色关联分析方法将瓦斯浓度时间序列划分成若干样本集,将其中具有关联特征的样本作为虚拟变量进行预测以消除因随机、不确定因素干扰而引起的预测误差;应用高斯过程回归模型实现瓦斯浓度区间预测,将预测结果表示成一个具有较高可信度的取值区间,以此表达对未来一段时间内瓦斯浓度动态变化情况的预测。实例分析表明:预测结果准确、可靠,能够较好地反映瓦斯浓度的实际变化状况。

引用

页码：40 / 45

页数：6

共 11 条

[1] 瓦斯浓度预测的混沌时序RBF神经网络模型 [J].

赵金宪 ;

于光华 .

黑龙江科技学院学报, 2010, 20 (02) :131-134

[2]

On-line least squares support vector machine algorithm in gas prediction[J]. ZHAO Xiao-hu,WANG Gang,ZHAO Ke-ke,TAN De-jian School of Information ＆ Electronic Engineering,China University of Mining ＆ Technology,Xuzhou,Jiangsu 221008,China.Mining Science and Technology. 2009(02)

[3] 基于预测有效度的变形数据组合预测 [J].

谷川 ;

秦世伟 .

大地测量与地球动力学, 2008, (05) :73-76

[4] ARMA模型在瓦斯浓度预测中的应用 [J].

杨胜远 ;

李金林 ;

杨东朋 .

中国煤炭, 2008, (06) :14-16+4

[5] 基于免疫神经网络模型的瓦斯浓度智能预测 [J].

王其军 ;

程久龙 .

煤炭学报, 2008, (06) :665-669

[6] A forecasting and forewarning model for methane hazard in working face of coal mine based on LS-SVM [J].

CAO Shugang LIU Yanbao WANG Yanping Key Laboratory for the Exploitation of Southwest Resources the Environmental Disaster Control Engineering Ministry of Education Chongqing University Chongqing China College of Petroleum Engineering Chongqing University of Science and Technology Chongqing China .

JournalofChinaUniversityofMining&Technology, 2008, (02) :172-176

[7] 基于混沌时间序列的煤矿瓦斯浓度短期预测 [J].

程健 ;

白静宜 ;

钱建生 ;

李世银 .

中国矿业大学学报 , 2008, (02) :231-235

[8] 基于灰色关联聚类的负荷特性分类 [J].

廖向旗 ;

李欣然 ;

李培强 ;

李村晓 ;

胡剑宇 .

电力科学与技术学报, 2007, (02) :28-33

[9]

Prediction of Gas Emission Based on Infor-mation Fusion and Chaotic Time Series[J]. GAO Li ,YU Hong-zhen College of Information and Electrical Engineering, China University of Mining ＆ Technolog ,Xuzhou, Jiangsu 221008,China.Journal of China University of Mining ＆ Technology（English Edition）. 2006(01)

[10] 灰色关联聚类的最大支撑树方法 [J].

张春明 .

山东交通学院学报, 2004, (02) :72-75

← 1 2 →