顾及数据新鲜度函数Knothe的开采沉陷最优组合预测模型及应用

• 作者: 李楠 池深深 王磊 韩文权 魏涛
• 来源期刊: 煤矿安全
• 学科: 工学
• 关键词: 最优组合预测 数据新鲜度 遗传算法 非线性规划算法 开采沉陷
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 分析·探讨
• 页码范围: 230-234
• 页数: 5页
• 分类号: TD327
• 语种: 中文
• DOI: 10.13347/j.cnki.mkaq.2018.05.059

摘要

针对传统组合预测模型对开采沉陷动态预测适应性差、组合权求解未顾及实测数据新鲜度的影响且求解效率低的缺点,通过实测分析和理论建模方式,研究了顾及数据新鲜度的开采沉陷组合预测模型,依据稳定性好、预测精度高、互补性好原则,该组合模型选取了GM(1,1)、三次指数平滑法、AR三元单体模型,引入顾及开采沉陷数据新鲜度的Knothe函数,基于误差平方和最小准则,构建了顾及数据新鲜度函数Knothe的开采沉陷最优组合预测模型,并提出了模型组合权求解的GA-NP算法(遗传算法-非线性规划算法).工程应用表明,建立的新鲜度最优组合预测比未顾及观测值新鲜度的最优组合预测模型、方差倒数法组合预测模型、等权组合预测模型以及各单一预测模型,在精度、可靠性方面具有明显的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩文权		7	99	5.0	7.0
2	王磊	安徽理工大学测绘学院	103	792	14.0	24.0
3	池深深	安徽理工大学测绘学院	12	49	5.0	6.0
4	魏涛	安徽理工大学测绘学院	11	43	5.0	6.0
5	李楠	安徽理工大学测绘学院	15	58	5.0	6.0