礦井涌水量的預(yù)測是每個(gè)礦區(qū)生產(chǎn)建設(shè)必須要面對和回答的問題，是礦井建設(shè)和安全生產(chǎn)的基礎(chǔ)性工作。神經(jīng)網(wǎng)絡(luò)和時(shí)間序列模型是兩種重要的礦井涌水量預(yù)測模型，但在實(shí)際應(yīng)用中仍存在一定的局限性。為了提高模型的適用性和預(yù)測精度，本文構(gòu)造了一個(gè)包含長期趨勢和周期項(xiàng)的理想時(shí)間序列函數(shù)，分別用BP神經(jīng)網(wǎng)絡(luò)和時(shí)間序列模型對其函數(shù)值進(jìn)行擬合和預(yù)測，預(yù)測的相對誤差分別為5.82%和3.40%。通過分析兩種預(yù)測模型的優(yōu)點(diǎn)和不足，提出了建立時(shí)間序列和BP神經(jīng)網(wǎng)絡(luò)耦合模型來提高模型適用性和預(yù)測精度的方法。分析了耦合模型的組合方法并建立了時(shí)間序列和BP神經(jīng)網(wǎng)絡(luò)串聯(lián)的耦合模型。通過時(shí)間序列乘法分解模型對涌水量時(shí)間序列中的長期趨勢、周期項(xiàng)、季節(jié)變動(dòng)和不規(guī)則變動(dòng)項(xiàng)進(jìn)行分解和提取，采用趨勢外推法擬合并預(yù)測長期趨勢，采用季節(jié)平均法計(jì)算季節(jié)變動(dòng)值，采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測不規(guī)則變動(dòng)項(xiàng)。當(dāng)周期項(xiàng)較明顯時(shí)采用傅里葉級(jí)數(shù)逼近進(jìn)行擬合預(yù)測，周期特征不明顯時(shí)采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測。根據(jù)相應(yīng)預(yù)測方法的實(shí)現(xiàn)原理，以及函數(shù)和參數(shù)的選擇原則，設(shè)計(jì)了基于MATLAB的耦合模型的主要程序。通過計(jì)算得出，耦合模型對構(gòu)造函數(shù)的預(yù)測相對誤差為2.13%，提高了預(yù)... 

【文章來源】：河南理工大學(xué)河南省

【文章頁數(shù)】：78 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
Abstract
目錄
1 前言
    1.1 選題依據(jù)及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 礦井涌水量預(yù)測的研究現(xiàn)狀
        1.2.2 時(shí)間序列模型和神經(jīng)網(wǎng)絡(luò)方法的研究現(xiàn)狀
    1.3 存在的主要問題
    1.4 本文研究內(nèi)容及安排
    1.5 技術(shù)路線
2 人工神經(jīng)網(wǎng)絡(luò)原理和時(shí)間序列分析原理
    2.1 人工神經(jīng)網(wǎng)絡(luò)原理
        2.1.1 人工神經(jīng)網(wǎng)絡(luò)的概念及其發(fā)展
        2.1.2 人工神經(jīng)網(wǎng)絡(luò)的原理和基本模型
        2.1.3 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)和分類
    2.2 BP 神經(jīng)網(wǎng)絡(luò)的基本原理
        2.2.1 BP 神經(jīng)網(wǎng)絡(luò)的基本要素
        2.2.2 BP 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則和數(shù)學(xué)算法
        2.2.3 BP 神經(jīng)網(wǎng)絡(luò)的局限性
    2.3 時(shí)間序列分析原理
        2.3.1 時(shí)間序列的分解模型
        2.3.2 時(shí)間序列乘法模型的分解方法
    2.4 BP 神經(jīng)網(wǎng)絡(luò)和時(shí)間序列的預(yù)測分析
        2.4.1 構(gòu)造理想數(shù)列
        2.4.2 兩種模型的預(yù)`測及結(jié)果分析
3 時(shí)間序列和 BP 神經(jīng)網(wǎng)絡(luò)耦合模型的實(shí)現(xiàn)
    3.1 問題的提出
    3.2 耦合模型的建立
        3.2.1 耦合預(yù)測模型的組合方式
        3.2.2 耦合預(yù)測模型的實(shí)現(xiàn)步驟和模型結(jié)構(gòu)
    3.3 基于 MATLAB 的耦合模型的主程序及參數(shù)設(shè)置
        3.3.1 耦合模型的主程序
        3.3.2 參數(shù)討論及選擇
    3.4 耦合模型的預(yù)測效果評(píng)價(jià)
    3.5 耦合模型的實(shí)例驗(yàn)證
4 時(shí)間序列和 BP 神經(jīng)網(wǎng)絡(luò)耦合預(yù)測模型在龍門礦的應(yīng)用
    4.1 龍門礦地質(zhì)和水文地質(zhì)背景
    4.2 龍門礦礦井涌水及特征
    4.3 應(yīng)用耦合模型預(yù)測礦井涌水量
        4.3.1 時(shí)間序列模型對涌水量時(shí)間序列的分解
        4.3.2 不規(guī)則變動(dòng)項(xiàng)的 BP 神經(jīng)網(wǎng)絡(luò)預(yù)測
    4.4 基于原始數(shù)據(jù)的 BP 神經(jīng)網(wǎng)絡(luò)預(yù)測
    4.5 耦合模型和神經(jīng)網(wǎng)絡(luò)單獨(dú)預(yù)測結(jié)果對比
5 結(jié)論及展望
    5.1 主要結(jié)論
    5.2 研究展望
參考文獻(xiàn)
作者簡歷
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]基于時(shí)間序列分析對礦坑涌水量的區(qū)間預(yù)測[J]. 張齊元,郭增輝,沈致和.  價(jià)值工程. 2011(16)
[2]基于灰色神經(jīng)網(wǎng)絡(luò)的礦井涌水量預(yù)測[J]. 陳建宏,施飛,鄭海力,韓玉建.  礦業(yè)研究與開發(fā). 2011(02)
[3]基于時(shí)間序列分析的滑坡位移預(yù)測模型研究[J]. 徐峰,汪洋,杜娟,葉疆.  巖石力學(xué)與工程學(xué)報(bào). 2011(04)
[4]用水文地質(zhì)比擬法預(yù)算礦井涌水量[J]. 昝雅玲,吳慧琦.  華北國土資源. 2011(01)
[5]復(fù)雜礦井涌水動(dòng)態(tài)的混沌效應(yīng)及其預(yù)測[J]. 齊躍明,吳吉南,趙平娃.  煤炭工程. 2010(10)
[6]基于GM（1,1）模型的礦井涌水量預(yù)測[J]. 鮑道亮,劉宏錦.  龍巖學(xué)院學(xué)報(bào). 2010(02)
[7]FEFLOW在區(qū)域地下水流場演化數(shù)值模擬中的應(yīng)用[J]. 張國偉,孫亞軍,徐智敏,李示.  地下水. 2010(01)
[8]基于灰色神經(jīng)網(wǎng)絡(luò)串聯(lián)組合模型的涌水量預(yù)測[J]. 陳善成,姚多喜,李小龍,許繼影,王俊.  淮南職業(yè)技術(shù)學(xué)院學(xué)報(bào). 2009(04)
[9]基于GIS與ANN的金川二礦地表移動(dòng)預(yù)測[J]. 鄧清海,馬鳳山,袁仁茂,張麗萍.  金屬礦山. 2009(12)
[10]基于時(shí)間序列模型的隧道涌水量反演與預(yù)測[J]. 劉建,劉丹.  水文地質(zhì)工程地質(zhì). 2009(06)

碩士論文
[1]基于灰色模型與人工神經(jīng)網(wǎng)絡(luò)的改進(jìn)組合預(yù)測模型及其應(yīng)用研究[D]. 楊春波.山東師范大學(xué) 2009



本文編號(hào)：3015070