煤矿多传感器混沌时序数据融合预测

• 作者: 张宝燕 李茹 王齐 穆文瑜 阴志洲
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 多传感器 信息融合 相空间重构 加权一阶局域法 融合预测
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 典型应用
• 页码范围: 1769-1773
• 分类号: TP391
• 字数: 5621字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2012.01769

摘要

针对单传感器煤矿数据预测存在的片面性问题,提出将信息融合技术与相空间重构技术相结合的多传感器煤矿数据的预测模型,对井下多种传感器,包括瓦斯浓度、风速、温度传感器,进行融合预测.以多类传感器时序数据为研究对象,首先利用信息融合的方法分别对各类传感器数据依次进行数据层融合、特征层融合；然后采用关联积分方法对两级融合之后的传感器数据分别确定相重构的时间延迟和嵌入维数两个参数；最后结合多变量相空间重构技术,将各类传感器数据融合重构相空间,运用基于K-Means聚类的加权一阶局域法构建多传感器数据的预测模型.实验结果表明:对于特征层的融合,每15 min时间段内的数据经融合后可有效作为衡量这段时间内的特征,经过预测模型计算后,与时间段为5 min、10 min、20 min相比较误差达到最小仅0.003,较目前的最小误差值0.05大大下降,融合预测效果较好,可以较准确地预测15 min后的传感器数据,有充足时间进一步为井下的安全评估提供决策依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李茹	山西大学计算智能与中文信息处理教育部重点实验室	99	683	13.0	21.0
5	穆文瑜	山西大学计算机与信息技术学院	3	48	3.0	3.0
6	张宝燕	山西大学计算机与信息技术学院	3	35	2.0	3.0
7	王齐	山西大学计算机与信息技术学院	3	10	2.0	3.0
8	阴志洲	山西大学计算机与信息技术学院	1	6	1.0	1.0