綜采工作面瓦斯?jié)舛阮A(yù)測是預(yù)防和控制瓦斯事故的重要手段,對保證礦井安全生產(chǎn)具有十分重要的意義。本文以統(tǒng)計學(xué)軟件R語言作為工具,應(yīng)用時間序列分析方法建立ARIMA和GARCH的組合模型,尋求綜采工作面瓦斯?jié)舛茸兓?guī)律并進(jìn)行短期預(yù)測,主要研究內(nèi)容有以下:本文對綜采工作面瓦斯?jié)舛葰v史監(jiān)測數(shù)進(jìn)行ARIMA模型擬合,確定ARIMA模型的預(yù)測方程,然后對瓦斯?jié)舛缺O(jiān)測數(shù)據(jù)進(jìn)行擬合,結(jié)果表明,ARIMA模型對瓦斯?jié)舛葰v史監(jiān)測數(shù)據(jù)擬合程度較高,ARIMA模型適于進(jìn)行預(yù)測。在已建立ARIMA模型的基礎(chǔ)上,提出使用GARCH模型擬合ARIMA模型的殘差序列,并通過GARCH模型模擬出ARIMA模型中噪聲項的預(yù)測值,最終組合ARIMA模型和GARCH模型對綜采工作面瓦斯?jié)舛冗M(jìn)行預(yù)測,實證結(jié)果表明組合模型在瓦斯?jié)舛阮A(yù)測中具有較高的精度�；贛ATLAB中GUI建立了綜采工作面預(yù)測的可視化界面,該可視化界面運行穩(wěn)定、可靠且可視化效果較好,為瓦斯?jié)舛阮A(yù)測的可視化提供了一定的技術(shù)支持。本文以組合預(yù)測為主導(dǎo)思想,建立的工作面瓦斯?jié)舛阮A(yù)測模型不僅預(yù)測精度,并輔以可視化操作設(shè)計提高了可視化應(yīng)用的實效性。 

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景及研究意義
        1.1.1 選題背景
        1.1.2 研究目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 時間序列分析國外研究現(xiàn)狀
        1.2.2 時間序列分析國內(nèi)研究現(xiàn)狀
        1.2.3 時間序列在瓦斯?jié)舛阮A(yù)測中的應(yīng)用
    1.3 研究內(nèi)容及技術(shù)路線
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
2 時間序列分析理論基礎(chǔ)
    2.1 時間序列分析基本概念
        2.1.1 時間序列與隨機(jī)過程
        2.1.2 均值、方差和協(xié)方差
        2.1.3 隨機(jī)過程的平穩(wěn)性
    2.2 重要的平穩(wěn)隨機(jī)過程
        2.2.1 白噪聲過程
        2.2.2 滑動平均過程
        2.2.3 自回歸過程
        2.2.4 自回歸滑動平均混合過程
    2.3 ARIMA模型建立步驟及方法
        2.3.1 平穩(wěn)化檢驗與處理
        2.3.2 模型識別
        2.3.3 參數(shù)估計
        2.3.4 模型評價
    2.4 GARCH模型建立步驟及方法
        2.4.1 GARCH模型的識別
        2.4.2 GARCH模型參數(shù)的確定
        2.4.3 GARCH模型的診斷
    2.5 小結(jié)
3 綜采工作面瓦斯?jié)舛阮A(yù)測實證研究
    3.1 統(tǒng)計學(xué)軟件R語言
    3.2 瓦斯?jié)舛華RIMA模型
        3.2.1 數(shù)據(jù)來源及處理
        3.2.2 模型的識別與建立
        3.2.3 模型的評價
    3.3 殘差序列的GARCH模型
        3.3.1 GARCH模型的識別
        3.3.2 GARCH模型參數(shù)的確定
        3.3.3 GARCH模型的診斷
    3.4 瓦斯?jié)舛阮A(yù)測及效果評價
    3.5 小結(jié)
4 綜采工作面瓦斯?jié)舛阮A(yù)測的可視化
    4.1 MATLAB腳本文件和GUI簡介
    4.2 用戶可視化界面的設(shè)計
        4.2.1 設(shè)計步驟及原則
        4.2.2 設(shè)計過程
    4.3 預(yù)測效果展示
    4.4 小結(jié)
5 結(jié)論和展望
    5.1 結(jié)論
    5.2 展望
致謝
參考文獻(xiàn)
附錄


【參考文獻(xiàn)】：
期刊論文
[1]基于Gevers-Wouters算法的ARMA模型改進(jìn)[J]. 唐欣欣,鄧光明.  統(tǒng)計與決策. 2018(02)
[2]基于ARIMA、LS-SVM和BP神經(jīng)網(wǎng)絡(luò)組合模型的航空運輸飛行事故征候預(yù)測[J]. 梁文娟,李雪艷.  安全與環(huán)境工程. 2018(01)
[3]基于ARIMA模型與神經(jīng)網(wǎng)絡(luò)模型的股價預(yù)測[J]. 陳小玲.  經(jīng)濟(jì)數(shù)學(xué). 2017(04)
[4]基于GMDH混合模型的能源消費量預(yù)測研究[J]. 肖進(jìn),孫海燕,劉敦虎,曹瀚文,汪壽陽.  中國管理科學(xué). 2017(12)
[5]基于R語言和Tableau的氣象數(shù)據(jù)可視化分析[J]. 王露,楊晶晶,黃銘.  計算機(jī)與網(wǎng)絡(luò). 2017(24)
[6]交通事故時間序列預(yù)測模型研究[J]. 王文博,陳紅,韋凌翔.  中國安全科學(xué)學(xué)報. 2016(06)
[7]基于動態(tài)神經(jīng)網(wǎng)絡(luò)的瓦斯?jié)舛葘崟r預(yù)測方法[J]. 張昭昭,喬俊飛,余文.  控制工程. 2016(04)
[8]我國煤炭資源供給情景分析[J]. 孟凡生,孫亞諾,劉麗.  中國能源. 2016(01)
[9]我國煤礦深部開采現(xiàn)狀及災(zāi)害防治分析[J]. 藍(lán)航,陳東科,毛德兵.  煤炭科學(xué)技術(shù). 2016(01)
[10]油型氣涌出礦井CH4擴(kuò)散規(guī)律數(shù)值模擬[J]. 張儉讓,張荃,董丁穩(wěn),陳偉.  煤炭技術(shù). 2015(10)

博士論文
[1]時間序列分析的早期發(fā)展[D]. 聶淑媛.西北大學(xué) 2012

碩士論文
[1]基于R語言的綜采工作面瓦斯?jié)舛阮A(yù)測研究[D]. 加茸茸.西安科技大學(xué) 2017
[2]高維數(shù)據(jù)可視化界面交互設(shè)計研究[D]. 王俊超.東南大學(xué) 2016
[3]ARIMA與BP模型在我國居民消費價格指數(shù)的實證分析[D]. 黃樹花.云南大學(xué) 2015
[4]煤與瓦斯突出影響因素的模擬實驗研究[D]. 周文杰.重慶大學(xué) 2012
[5]基于時間序列分析的大型風(fēng)電場功率預(yù)測方法研究[D]. 夏冬.北京交通大學(xué) 2012
[6]時間序列數(shù)據(jù)建模及其在瓦斯預(yù)測中的應(yīng)用研究[D]. 李蘇旺.太原理工大學(xué) 2007
[7]時間序列分析的研究與應(yīng)用[D]. 湯巖.東北農(nóng)業(yè)大學(xué) 2007
[8]基于時間序列分析的IP語音收入預(yù)測[D]. 王洋.吉林大學(xué) 2004



本文編號：3672660