矿井瓦斯浓度Lagrange-ARIMA实时预测模型研究

论文摘要

矿井瓦斯浓度监测是瓦斯事故最直接有效的防控手段之一,为提高监测信息的利用效率,提出了一种瓦斯浓度Lagrange-ARIMA实时预测模型。首先应用拉伊达准则实现瓦斯浓度监测缺失值构建,其次采用滑动Lagrange插值方法进行缺失值预测,最后基于自回归差分移动平均模型（ARIMA）序贯学习,依据L1范数最小化原则,确定出Lagrange-ARIMA序贯学习窗口合适尺度,进行瓦斯浓度实时预测。实例仿真显示:Lagrange-ARIMA实时预测模型处理瓦斯浓度时间序列缺失值平均误差为1.397%,当序贯学习窗口尺度为85时,预测的瓦斯浓度序列平均绝对误差（MAE）为0.011 8。相比传统ARIMA静态学习模型,建立的Lagrange-ARIMA模型学习窗口尺度降低了90.3%,建模复杂度显著降低,MAE降低了16.3%,预测精度能满足现场需求。

论文目录

• 0 引言
• 1 瓦斯浓度监测滑动Lagrange插值法
• 2 ARIMA序贯学习模型
•   2.1 ARIMA模型
•   2.2 序贯学习
•   2.3 建模步骤
• 3 试验与结果分析
•   3.1 试验数据
•   3.2 试验设计
•   3.3 结果与分析
• 4 结论

文章来源

类型: 期刊论文

作者: 王鹏,伍永平,王栓林,宋超,吴学明

关键词: 数据预处理,插值,瓦斯浓度,自回归差分移动平均模型,实时预测

来源: 煤炭科学技术 2019年04期

年度: 2019

分类: 工程科技Ⅰ辑

专业: 矿业工程,安全科学与灾害防治

单位: 西安科技大学安全科学与工程学院,煤炭绿色安全高效开采国家地方联合工程研究中心,陕西煤业化工技术研究院有限责任公司现代煤炭开采技术研究所,西安科技大学能源学院,西安科技大学西部矿井开采及灾害防治教育部重点实验室,煤炭科学技术研究院有限公司安全分院,煤炭资源高效开采与洁净利用国家重点实验室

基金: 国家重点研究发展计划资助项目(2018YFC0808001-003),国家自然科学基金资助项目(51504137)

分类号: TD712.5

DOI: 10.13199/j.cnki.cst.2019.04.023

页码: 141-146

总页数: 6

文件大小: 871K

下载量: 138