基于时间序列的瓦斯浓度动态预测

郭思雯, 陶玉帆, 李超

郭思雯，陶玉帆，李超.基于时间序列的瓦斯浓度动态预测［J］.工矿自动化，2018,44（9）：20-25.. DOI: 10.13272/j.issn.1671-251x.2018040051
引用本文: 郭思雯，陶玉帆，李超.基于时间序列的瓦斯浓度动态预测［J］.工矿自动化，2018,44（9）：20-25.. DOI: 10.13272/j.issn.1671-251x.2018040051
shu
GUO Siwen, TAO Yufan, LI Chao. Dynamic prediction of gas concentration based on time series[J]. Journal of Mine Automation, 2018, 44(9): 20-25. DOI: 10.13272/j.issn.1671-251x.2018040051
Citation: GUO Siwen, TAO Yufan, LI Chao. Dynamic prediction of gas concentration based on time series[J]. Journal of Mine Automation, 2018, 44(9): 20-25. DOI: 10.13272/j.issn.1671-251x.2018040051
shu

基于时间序列的瓦斯浓度动态预测

  • 中国矿业大学（北京） 机电与信息工程学院， 北京100083

详细信息

  • 中图分类号: TD712

Dynamic prediction of gas concentration based on time series

  • School of Mechanical Electronic and Information Engineering, China University of Mining and Technology(Beijing), Beijing 100083, China）

摘要

    摘要
  • 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%。
    Abstract: Existing gas concentration prediction methods could only achieve static gas concentration prediction, could not update with accumulation of gas data, as a result, the prediction results were not timeliness. In view of the above problem, a dynamic prediction method of gas concentration based on time series was proposed. Firstly, the method uses multi-resolution characteristic of wavelet decomposition technique to decompose the gas concentration time series to different scales to make the time series smooth. Then it adopts auto regressive and moving average(ARMA) model constructed by real-time and dynamic data to predict mine gas concentration in the future time by use of gas concentration change trend in the past time, so as to obtain time series prediction results. Finally, in order to improve the accuracy of the gas concentration prediction, the prediction results of the ARMA model and mine environment parameters are input into the trained BP neural network model, and the prediction results are corrected by the BP neural network model, so as to obtain final gas concentration prediction value. The test results show that the method can accurately predict the mine gas concentration, and the average relative error of gas concentration prediction is reduced from 8% to 5%.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(15)

  • 期刊类型引用(12)

    1. 张鹏. 煤矿人员精确定位系统数据存储方案设计. 煤矿安全. 2024(08): 227-233 . 百度学术
    2. 张翼，于林，卢向明. 煤矿安全监控系统数据加密存储方案设计. 煤矿安全. 2023(10): 196-200 . 百度学术
    3. 陈君. 基于B/S结构的异构数据库加密算法仿真. 计算机仿真. 2021(04): 236-239+262 . 百度学术
    4. 宋莎. 智慧医院财务报表数据库隐私加密方法研究. 自动化技术与应用. 2021(12): 45-49 . 百度学术
    5. 许金. 煤矿安全监控系统数据防篡改研究. 煤矿安全. 2020(02): 116-119 . 百度学术
    6. 曾彬. 大数据平台极端敏感信息对称加密方法仿真. 计算机仿真. 2020(10): 321-324 . 百度学术
    7. 朱沙沙. 一种煤矿安全监控系统数据加密算法. 计算机应用与软件. 2020(11): 324-327+333 . 百度学术
    8. 邹爱琴. 大数据网络用户隐私信息自适应加密系统设计. 自动化与仪器仪表. 2019(05): 28-31+36 . 百度学术
    9. 乌兰. 网络主动防御下字符型数据全同态加密仿真. 计算机仿真. 2019(06): 289-292 . 百度学术
    10. 张荣刚. 水电气表防拆智能报警系统的研究. 福建师大福清分校学报. 2018(05): 27-30+37 . 百度学术
    11. 李生弓. 计算机网络安全中数据加密技术研究. 科技广场. 2017(09): 94-96 . 百度学术
    12. 张骐. 神华集团煤矿安全监控系统现状及升级改造. 工矿自动化. 2017(05): 18-21 . 本站查看

    其他类型引用(3)

    • 资源附件(0)
计量
  • 文章访问数:  120
  • HTML全文浏览量:  19
  • PDF下载量:  21
  • 被引次数: 15
出版历程
  • 刊出日期:  2018-09-09

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(15)
    资源附件(0)

    /

    返回文章
    返回

    苏ICP备 05016349号-2

    本系统由 北京仁和汇智信息技术有限公司 开发  访问量：1224953    百度统计