登录    注册    忘记密码

期刊文章详细信息

基于EMD-LSSVM的瓦斯浓度动态预测模型    

New gas concentration dynamic prediction model based on the EMD-LSSVM

  

文献类型:期刊文章

作  者:魏林[1] 白天亮[2] 付华[3] 尹玉萍[3]

机构地区:[1]辽宁工程技术大学基础教学部,辽宁葫芦岛125105 [2]辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛125105 [3]辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛125105

出  处:《安全与环境学报》

基  金:国家自然科学基金项目(51274118);辽宁省大学生创新训练项目(201310147028)

年  份:2016

卷  号:16

期  号:2

起止页码:119-123

语  种:中文

收录情况:BDHX、BDHX2014、CAS、CSA-PROQEUST、CSCD、CSCD2015_2016、JST、PROQUEST、ZGKJHX、核心刊

摘  要:为提高回采工作面瓦斯体积分数预测时效性,建立了EMDLSSVM的瓦斯体积分数动态预测模型;为能够快速有效地反映瓦斯体积分数当前状态,避免早期历史数据对模型预测的影响,采用复合窗口技术对瓦斯体积分数时间序列进行动态更新;为提高算法预测精度,先采用经验模态分解算法(EMD)对更新后的窗口数据进行分解得到高频项、低频项和趋势项,考虑到瓦斯体积分数变化受到诸多因素干扰导致预测难度较大,但由同类因素影响的瓦斯体积分数变化特征具有较高的相似性,利用聚类方法将瓦斯体积分数监测数据划分成性质相似的若干个模式类别,以减少各种随机因素对预测结果的影响,再利用最小二乘支持向量机(LSSVM)对高、低频项进行加权预测,用自回归(AR)模型对趋势项进行预测,最后进行组合预测。实例对比分析表明,该预测模型能够有效地预测瓦斯体积分数的变化趋势,减少了预测时间,预测精度也满足矿山安全工程实际要求。

关 键 词:安全工程 复合窗口  经验模态分解 最小二乘支持向量机 时间序列  

分 类 号:X936[安全科学与工程类]

参考文献:

正在载入数据...

二级参考文献:

正在载入数据...

耦合文献:

正在载入数据...

引证文献:

正在载入数据...

二级引证文献:

正在载入数据...

同被引文献:

正在载入数据...

版权所有©重庆科技学院 重庆维普资讯有限公司 渝B2-20050021-7
 渝公网安备 50019002500408号 违法和不良信息举报中心