【摘要】：瓦斯災(zāi)害是威脅我國煤礦安全生產(chǎn)的重要因素之一。從煤礦實(shí)際監(jiān)測數(shù)據(jù)中挖掘瓦斯涌出規(guī)律，實(shí)現(xiàn)瓦斯的準(zhǔn)確、可靠預(yù)測，能夠有效避免災(zāi)害的發(fā)生。瓦斯涌出系統(tǒng)受多種因素影響，且隨機(jī)干擾成分很多，因此通過分析其影響因素建立預(yù)測模型的方法不易實(shí)現(xiàn)。針對以上問題，本文嘗試從瓦斯歷史數(shù)據(jù)中挖掘規(guī)律，建立預(yù)測模型，通過對一維時(shí)間序列的相空間重構(gòu)還原系統(tǒng)空間，從而避免了預(yù)測建模的經(jīng)驗(yàn)性和主觀性。本文的主要工作有： 首先，以某煤礦1024工作面的實(shí)際瓦斯采樣數(shù)據(jù)為研究對象，通過最大Lyapunov指數(shù)法和功率譜法驗(yàn)證了瓦斯涌出量時(shí)間序列的混沌特性。利用經(jīng)驗(yàn)?zāi)B(tài)分解方法對瓦斯涌出量時(shí)間序列進(jìn)行了預(yù)處理，其中的高頻分量作為噪聲濾除，其余分量作為有用信息，分別建立預(yù)測模型，將各分量的預(yù)測結(jié)果疊加作為最終預(yù)測結(jié)果。 然后，在分析前饋神經(jīng)網(wǎng)絡(luò)和反饋神經(jīng)網(wǎng)絡(luò)建模特點(diǎn)的基礎(chǔ)上，根據(jù)瓦斯時(shí)間序列的動態(tài)特性，提出了基于回聲狀態(tài)網(wǎng)絡(luò)的建模方案，并針對隨著預(yù)測步長的增加，，固定相空間無法滿足預(yù)測要求的特點(diǎn)，提出了基于最大互信息的變相空間重構(gòu)方法：以互信息函數(shù)作為個(gè)體適應(yīng)度函數(shù)，計(jì)算不同m和取值組合下的個(gè)體適應(yīng)度值，選擇最有利于提供信息的空間結(jié)構(gòu)，并通過實(shí)驗(yàn)驗(yàn)證了該方法的有效性。 最后，建立了基于混沌分析，經(jīng)驗(yàn)?zāi)B(tài)分解及回聲狀態(tài)網(wǎng)絡(luò)的瓦斯涌出量單步預(yù)測模型、直接多步預(yù)測模型及迭代多步預(yù)測模型，并將本文所建回聲狀態(tài)網(wǎng)絡(luò)單步預(yù)測模型和同等條件下的BP、ELMAN預(yù)測模型作對比分析，驗(yàn)證了回聲狀態(tài)網(wǎng)絡(luò)模型的優(yōu)勢。將直接多步預(yù)測模型和迭代多步預(yù)測模型作對比分析，驗(yàn)證了直接多步預(yù)測模型的優(yōu)勢。
[Abstract]:Gas disaster is one of the important factors threatening the safety of coal mine production in China. Mining the law of gas emission from the actual monitoring data of coal mine, realizing the accurate and reliable prediction of gas, can effectively avoid the occurrence of disaster. The gas emission system is affected by many factors and has a lot of random interference components. Therefore, it is difficult to establish a prediction model by analyzing the influencing factors. Aiming at the above problems, this paper tries to excavate the laws from the gas historical data and establish the prediction model. By reconstructing the system space of the one-dimensional time series in the phase space, the experience and subjectivity of the prediction modeling are avoided. The main work of this paper is as follows: firstly, taking the actual gas sampling data of a coal mine 1024 face as the research object, the chaotic characteristics of the time series of gas emission quantity are verified by the maximum Lyapunov exponent method and the power spectrum method. The time series of gas emission are pretreated by the empirical mode decomposition method. The high frequency component is used as noise filter and the other components are used as useful information to establish the prediction model. The prediction results of each component are superimposed as the final prediction results. Then, on the basis of analyzing the modeling characteristics of feedforward neural network and feedback neural network, according to the dynamic characteristics of gas time series, a modeling scheme based on echo state network is proposed. The fixed phase space can not meet the requirement of prediction. A new method for reconstruction of variable phase space based on maximum mutual information is proposed. The mutual information function is used as the individual fitness function to calculate the individual fitness values under different combinations of m and values. The spatial structure which is most favorable for providing information is selected, and the effectiveness of the method is verified by experiments. Finally, based on chaos analysis, empirical mode decomposition and echo state network, single-step prediction model of gas emission, direct multi-step prediction model and iterative multi-step prediction model are established. The one-step prediction model of echo state network is compared with the BP,ELMAN prediction model under the same conditions, and the advantages of echo state network model are verified. The direct multi-step prediction model is compared with the iterative multi-step prediction model, and the advantages of the direct multi-step prediction model are verified.
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TD712.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王霞,郭嗣琮,劉淑娟;時(shí)間序列模糊滑動預(yù)測[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版);1999年03期

2 王啟鵬;;數(shù)據(jù)時(shí)間序列的指數(shù)函數(shù)法預(yù)測[J];鞍山鋼鐵學(xué)院學(xué)報(bào);1990年03期

3 徐希寶;鄧育民;段方振;樓鑫;;船搖數(shù)據(jù)的時(shí)間序列模型處理[J];重慶科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年04期

4 劉威;邵良杉;;基于變換的時(shí)間序列相似性分析[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào);2007年S2期

5 袁景俠,楊有君,門曉波;機(jī)床加工精度的時(shí)間序列預(yù)報(bào)控制[J];大連工學(xué)院學(xué)報(bào);1986年03期

6 趙玉新;;時(shí)間序列在燃油分析及預(yù)測中的應(yīng)用[J];科技和產(chǎn)業(yè);2013年09期

7 陸杰;劉付程;李廷友;;連云港市大氣污染物時(shí)間序列的長程相關(guān)性分析[J];環(huán)境污染與防治;2007年05期

8 楊蕊;王龍;余航;沈立群;田琳;;昆明歷史洪澇災(zāi)害時(shí)間序列分形特征研究[J];安徽農(nóng)業(yè)科學(xué);2012年07期

9 畢曉麗,覃德華,葛劍平;NDVI起伏型時(shí)間序列模型初探[J];應(yīng)用與環(huán)境生物學(xué)報(bào);2004年04期

10 王智勇;;時(shí)間序列下同種產(chǎn)品銷售預(yù)測方法的比較分析[J];昆明冶金高等�？茖W(xué)校學(xué)報(bào);2011年05期

相關(guān)會議論文 前10條

1 周家斌;張海福;楊桂英;;多維多步時(shí)間序列預(yù)報(bào)方法及其應(yīng)用[A];中國現(xiàn)場統(tǒng)計(jì)研究會第九屆學(xué)術(shù)年會論文集[C];1999年

2 馬培蓓;紀(jì)軍;;基于時(shí)間序列的航空備件消耗預(yù)測[A];中國系統(tǒng)工程學(xué)會決策科學(xué)專業(yè)委員會第六屆學(xué)術(shù)年會論文集[C];2005年

3 盧世坤;李夕海;牛超;陳蛟;;時(shí)間序列的非線性非平穩(wěn)特性研究綜述[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

4 李強(qiáng);;基于線性模型方法對時(shí)間序列中異常值的檢測及證券實(shí)證分析[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對策（上冊）[C];2002年

5 戴麗金;何振峰;;基于云模型的時(shí)間序列相似性度量方法[A];第八屆中國不確定系統(tǒng)年會論文集[C];2010年

6 謝美萍;趙希人;莊秀龍;;多維非線性時(shí)間序列的投影尋蹤學(xué)習(xí)逼近[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];1999年

7 張大斌;李紅燕;劉肖;張文生;;非線性時(shí)問序列的小波-模糊神經(jīng)網(wǎng)絡(luò)集成預(yù)測方法[A];第十五屆中國管理科學(xué)學(xué)術(shù)年會論文集（下）[C];2013年

8 黃云貴;;基于時(shí)間序列的電網(wǎng)固定資產(chǎn)投資規(guī)模研究[A];2012年云南電力技術(shù)論壇論文集（文摘部分）[C];2012年

9 李松臣;張世英;;時(shí)間序列高階矩持續(xù)和協(xié)同持續(xù)性研究[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第8卷）[C];2007年

10 陳赫;羅聲求;;歷史橫斷面數(shù)據(jù)的時(shí)間序列化[A];科學(xué)決策與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第六次年會論文集[C];1990年

相關(guān)重要報(bào)紙文章 前7條

1 ;《時(shí)間序列與金融數(shù)據(jù)分析》[N];中國信息報(bào);2004年

2 何德旭 王朝陽;時(shí)間序列計(jì)量經(jīng)濟(jì)學(xué)：協(xié)整與有條件的異方差自回歸[N];中國社會科學(xué)院院報(bào);2003年

3 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2003年

4 西南證券高級研究員 董先安邋德圣基金研究中心 郭奔宇;預(yù)計(jì)6月CPI同比上漲7.2%[N];證券時(shí)報(bào);2008年

5 東證期貨 王愛華　楊衛(wèi)東;兩年漲跌輪回 秋季普遍下跌[N];期貨日報(bào);2009年

6 任勇邋鄭重;中國對世界鋼材價(jià)格的影響實(shí)證分析[N];現(xiàn)代物流報(bào);2007年

7 房鵬;數(shù)碼書信寄真情[N];中國電腦教育報(bào);2005年

相關(guān)博士學(xué)位論文 前10條

1 王曉曄;時(shí)間序列數(shù)據(jù)挖掘中相似性和趨勢預(yù)測的研究[D];天津大學(xué);2003年

2 李桂玲;時(shí)間序列的分割及不一致發(fā)現(xiàn)研究[D];華中科技大學(xué);2012年

3 周勇;時(shí)間序列時(shí)序關(guān)聯(lián)規(guī)則挖掘研究[D];西南財(cái)經(jīng)大學(xué);2008年

4 張勇;時(shí)間序列模式匹配技術(shù)研究[D];華中科技大學(xué);2012年

5 董曉莉;時(shí)間序列數(shù)據(jù)挖掘相似性度量和周期模式挖掘研究[D];天津大學(xué);2007年

6 姜向榮;短時(shí)間序列預(yù)測建模及應(yīng)用研究[D];北京郵電大學(xué);2009年

7 許娜;時(shí)間序列的分形及其混沌分析[D];北京交通大學(xué);2011年

8 李新杰;河川徑流時(shí)間序列的非線性特征識別與分析[D];武漢大學(xué);2013年

9 甘敏;基于狀態(tài)相依模型的非線性時(shí)間序列建模及其優(yōu)化方法研究[D];中南大學(xué);2010年

10 何曉旭;時(shí)間序列數(shù)據(jù)挖掘若干關(guān)鍵問題研究[D];中國科學(xué)技術(shù)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 楊宇鵬;基于時(shí)間序列的數(shù)據(jù)預(yù)測問題研究[D];吉林大學(xué);2010年

2 張振;基于重要點(diǎn)模式的時(shí)間序列表示及其應(yīng)用[D];昆明理工大學(xué);2010年

3 卓明坤;時(shí)間序列短期趨勢信號模型研究[D];昆明理工大學(xué);2011年

4 毛興;階梯型時(shí)間序列時(shí)域分析及應(yīng)用[D];武漢科技大學(xué);2011年

5 董燕;近鄰數(shù)限制下的時(shí)間序列網(wǎng)絡(luò)分析[D];華東師范大學(xué);2012年

6 田雯;火災(zāi)時(shí)間序列的動力學(xué)研究及其預(yù)測[D];南昌大學(xué);2012年

7 李迎;時(shí)間序列聚類方法研究[D];遼寧師范大學(xué);2012年

8 陳思揚(yáng);時(shí)間序列計(jì)量經(jīng)濟(jì)建模技術(shù)及比較研究[D];暨南大學(xué);2007年

9 鄭繼萍;時(shí)間序列的相似性挖掘及其在股票時(shí)間序列中的應(yīng)用[D];東北財(cái)經(jīng)大學(xué);2007年

10 王娜;時(shí)間序列建模預(yù)報(bào)的原理與應(yīng)用[D];長春工業(yè)大學(xué);2010年

本文編號：2397621