基于EMD技术与ELM的瓦斯浓度时间序列分析研究

• 作者: 赵振学
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 瓦斯浓度时间序列 经验模态分解技术 极限学习机 预测分析
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 自动化应用
• 页码范围: 144-146
• 页数: 3页
• 分类号: TP18
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2017.04.144

摘要

煤矿井下瓦斯浓度时间序列预测是一个非线性数据处理问题.该时间序列含有丰富地质信息和物理信息等,挖掘其隐含信息对研究井下瓦斯浓度变化规律具有重要意义.为此利用经验模态分解技术(EMD)提取了隐含在瓦斯浓度序列中的非线性高频波动项和低频趋势项,再对各分量构造不同的极限学习机(ELM)进行跟踪预测,最后叠加各分量的预测值得到瓦斯浓度后序的预测值.算例的分析结果表明,EMD-ELM算法具有较强的预测能力,预测精度高于已有一些预测方法,对有效控制和预防瓦斯浓度超标,保证煤矿安全生产具有参考意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵振学	兰州石化职业技术学院信息处理与控制工程学院	22	29	3.0	3.0