输送带煤流量短时预测方法研究

冯梅, 乔铁柱

冯梅，乔铁柱.输送带煤流量短时预测方法研究［J］.工矿自动化，2019,45（4）：72-76.. DOI: 10.13272/j.issn.1671-251x.2018100075
引用本文: 冯梅，乔铁柱.输送带煤流量短时预测方法研究［J］.工矿自动化，2019,45（4）：72-76.. DOI: 10.13272/j.issn.1671-251x.2018100075
shu
FENG Mei, QIAO Tiezhu. Research on short-term prediction method of coal flow on conveyor belt[J]. Journal of Mine Automation, 2019, 45(4): 72-76. DOI: 10.13272/j.issn.1671-251x.2018100075
Citation: FENG Mei, QIAO Tiezhu. Research on short-term prediction method of coal flow on conveyor belt[J]. Journal of Mine Automation, 2019, 45(4): 72-76. DOI: 10.13272/j.issn.1671-251x.2018100075
shu

输送带煤流量短时预测方法研究

  • 太原理工大学 新型传感器与智能控制教育部重点实验室， 山西 太原030024

基金项目: 

山西省自然科学基金项目（201601D011059）

详细信息

  • 中图分类号: TD528

Research on short-term prediction method of coal flow on conveyor belt

  • Key Laboratory of Advanced Transducers and Intelligent Control System, Ministry of Education， Taiyuan University of Technology，Taiyuan 030024，China

HTML全文

    摘要
  • 摘要: 对煤流量短时间内的趋势进行预测，是实现带速与运量匹配的前提条件，而现有输送带煤流量短时预测方法存在实时性不好和精度不高的问题。针对上述问题，提出了一种基于支持向量机的输送带煤流量短时预测方法。该方法首先利用支持向量机算法选择实时煤流量作为因变量、统计数据时间作为自变量，然后对实际采集到的煤流量数据进行归一化处理，利用交叉验证方法选择出最优的参数，利用最优参数训练支持向量机，拟合出理想的短时间内煤流量预测曲线，最后通过进一步对比拟合均方误差、相关系数等预测指标来分析煤流量预测曲线与原始数据曲线的拟合程度，得到最佳预测曲线。Matlab仿真结果表明，该方法能够较好地预测输送带短时间内的煤流量，预测数据与真实值之间的偏差很小，均方误差为0.000 152 563，相关系数为99.784 8%。
    Abstract: Forecasting the trend of coal flow in a short-term is the precondition to realize matching of belt speed and traffic volume. However, the existing short-term prediction methods of coal flow on conveyor belt have the problems of insufficient real-time performance and low precision. For the problems, a short-term prediction method of coal flow on conveyor belt based on support vector machine was proposed. Firstly, the method uses support vector machine algorithm to select the real-time coal flow as dependent variable and statistical data time as independent variable, and then normalizes actual collected coal flow data, uses cross-validation method to select the best parameters. It also uses the best parameters to train the support vector machine to fit ideal short-term prediction curves of coal flow. Finally, the method analyzes fitting degree of the coal flow prediction curves and the original data curves by further comparing the prediction parameters such as mean square error and correlation coefficient to obtain the best prediction curve. The Matlab simulation results show that the method can predict coal flow on conveyor belt in a short time, and the deviation between the predicted data and the true value is small, the mean square error is 0.000 152 563, and the correlation coefficient is 99.784 8%.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(30)

  • 期刊类型引用(14)

    1. 张朋杨，生龙，王巍，魏忠诚，赵继军. 基于大语言模型的矿山事故知识图谱构建. 工矿自动化. 2025(02): 76-83+105 . 本站查看
    2. 张盼青，杨政，何亮，马健，许睿. 煤矿地质灾害知识图谱构建与可视化. 煤炭技术. 2025(04): 186-189 . 百度学术
    3. 付燕，刘致豪，叶鸥. 基于煤矿井下不安全行为知识图谱构建方法. 工矿自动化. 2024(01): 88-95 . 本站查看
    4. 李白. 煤矿井下照明知识图谱的构建. 科技风. 2024(08): 1-3 . 百度学术
    5. 刘鹏，程浩然，王莹，魏微，丁恩杰. 煤矿工种知识图谱智能问答研究. 计算机技术与发展. 2024(03): 185-192 . 百度学术
    6. 罗香玉，杜浩，华颖，解盘石，吕文玉. 一种煤矿顶板灾害防治知识图谱构建方法. 工矿自动化. 2024(06): 54-60 . 本站查看
    7. 谢宏，于悦. 基于知识图谱、国标和评价通则的瓦斯抽采达标评判. 华北科技学院学报. 2024(05): 29-35 . 百度学术
    8. 冯银辉，秦泽宇. 基于综采集控平台的智能辅助决策系统研究. 煤炭技术. 2023(01): 241-245 . 百度学术
    9. 曹现刚，吴可昕，张梦园，段雍，李鹏飞. 基于BERT的煤矿装备维护知识命名实体识别研究. 机床与液压. 2023(09): 103-108 . 百度学术
    10. 谭章禄，王美君，叶紫涵. 智能化煤矿数据治理体系与关键问题研究. 工矿自动化. 2023(05): 22-29 . 本站查看
    11. 瞿智豪，胡建鹏，黄子麒，张庚. 工业设备故障处置知识图谱构建与应用研究. 计算机工程与应用. 2023(24): 309-318 . 百度学术
    12. 刘鹏，曹新晨，耿念，魏微，孟磊. 煤矿标准文件知识图谱构建与应用. 情报工程. 2023(05): 73-83 . 百度学术
    13. 张宇，郭文忠，林森，文朝武，龙洁花. 深度学习与知识推理相结合的研究综述. 计算机工程与应用. 2022(01): 56-69 . 百度学术
    14. 李哲，周斌，李文慧，李晓蕴，周友，冯占科，赵涵. 煤矿机电设备事故知识图谱构建及应用. 工矿自动化. 2022(01): 109-112 . 本站查看

    其他类型引用(16)

    • 资源附件(0)
计量
  • 文章访问数:  97
  • HTML全文浏览量:  15
  • PDF下载量:  19
  • 被引次数: 30
出版历程
  • 刊出日期:  2019-04-19

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献
    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：1298955    百度统计