文献类型：期刊文章

作　　者：杨丽[1,2] 刘晖[1] 毛善君[1,3] 施超[1]

机构地区：[1]北京大学地球与空间科学学院,北京100871 [2]中煤电气有限公司,北京101300 [3]北京龙软科技股份有限公司,北京100190

出　　处：《中国矿业大学学报》

基　　金：国家科技重大专项项目(十二五)(2011ZX05040-005)

年　　份：2016

卷　　号：45

期　　号：3

起止页码：455-461

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为实现对瓦斯浓度(体积分数)的准确预测,基于海量煤矿瓦斯监测数据和多元分布滞后模型(MDL)建立了多变量瓦斯浓度时间序列预测模型.基于惩罚最小二乘法和自回归的思想,提出了新的变量选择和定阶方法——Adjust Group最小绝对值压缩与选择(LASSO)方法.该方法以岭估计及局部二次近似迭代算法实现了预测模型的构建,通过有效选取具有解释性的自变量子集,提高模型的解释性,采用广义交叉检验准则(GCV)确定惩罚参数,并通过分组惩罚来实现变量筛选与滞后变量的定阶.结果表明:Adjust Group LASSO方法预测得到的残差平方和为0.433 0,具有较高的精度,能够较好的预测工作面瓦斯浓度的动态变化,与LASSO、最小角回归算法(LARS)以及其他瓦斯预测常用方法相比,大大提高了预测的准确性.

关 键 词：多元分布滞后模型  ADJUST GROUP LASSO  最小二乘法 自回归  瓦斯浓度 预测模型  

分 类 号：TD712]