基于分态的煤矿瓦斯浓度预测模型的研究

• 作者: 孙贝 安葳鹏
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 分态预测 相空间重构 混沌和非混沌 支持向量机 神经网络
• 年，卷（期）: 2014,（20）
• 所属期刊栏目: 工程与应用
• 页码范围: 233-238,243
• 页数: 7页
• 分类号: TP391
• 字数: 4404字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1401-0215

摘要

由于影响瓦斯浓度变化的因素很多且内部关系复杂，传统的单一预测模型无法客观准确地反映其变化规律，导致预测精度较低。为有效提高瓦斯浓度预测精度，提出一种基于分态的预测模型。应用最大李雅普诺夫指数（Lyapunov指数）对瓦斯浓度时间序列的混沌特性进行识别，将其分为非混沌态和混沌态，接着分别采用改进的最小二乘支持向量机（LS-SVM）和基于径向基函数（Radial Basis Function，RBF）的神经网络进行建模和训练参数的优化，最终得到最佳预测模型并对瓦斯浓度时间序列进行预测。结果表明，分态预测模型有效提高了预测精度，降低了预测误差，用该方法可以更加客观准确地对瓦斯浓度进行预测。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	安葳鹏	河南理工大学计算机科学与技术学院	42	178	8.0	11.0
2	孙贝	河南理工大学计算机科学与技术学院	1	4	1.0	1.0