基于时间序列的瓦斯浓度动态预测

• 作者: 李超 郭思雯 陶玉帆
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 矿井瓦斯浓度预测 瓦斯浓度动态预测 时间序列 小波分解 自回归滑动平均模型 BP神经网络
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 实验研究
• 页码范围: 20-25
• 页数: 6页
• 分类号: TD712
• 字数: 5204字
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.2018040051

摘要

现有瓦斯浓度预测方法只能实现瓦斯浓度的静态预测,不能随着瓦斯数据的累积而及时更新,从而导致预测结果不具有及时性.针对该问题,提出了一种基于时间序列的瓦斯浓度动态预测方法.利用小波分解技术的多分辨率特性,将瓦斯浓度时间序列分解到不同尺度上,使时间序列平稳化;通过实时动态构建的自回归滑动平均(ARMA)模型,利用过去瓦斯浓度变化趋势预测未来一段时间的矿井瓦斯浓度值,得到时间序列预测结果;为提高瓦斯浓度预测精度,将ARMA模型的预测结果与矿井环境参数输入到训练好的BP神经网络模型中,通过BP神经网络模型对预测结果进行修正,从而获得最终的瓦斯浓度预测值.测试结果表明,该方法可对矿井瓦斯浓度进行准确预测,瓦斯体积分数预测平均相对误差从8％降低到了5％.