發(fā)布時間：2023-04-18 19:54

　　目前的研究指出井下瓦斯氣體的變化規(guī)律具有混沌性質(zhì),只能滿足短期且不精確的預(yù)測。現(xiàn)有的數(shù)學(xué)模型進(jìn)行瓦斯數(shù)據(jù)預(yù)測時雖然在正確率方面有所改進(jìn),但是存在著串行度高,工作層次低,擴(kuò)展性不好等缺點(diǎn)。因此本文提出了“預(yù)測-分類-融合”(predict-classify-fuse(PCF))模型。該模型具有并行性,以滿足運(yùn)行的時間要求;能直接輸出決策層面信息,以保證從預(yù)警信息發(fā)布到災(zāi)害發(fā)生之間的窗口長度;滿足一定的擴(kuò)展性,可以在瓦斯?jié)舛茸兓?guī)律不同的煤礦中使用。本文闡述了 PCF模型設(shè)計的思想,給出了模型構(gòu)建的過程,并通過實驗證明PCF模型在保持正確率的基礎(chǔ)上達(dá)到了并行性、輸出決策層結(jié)論和可擴(kuò)展的要求。首先針對原始數(shù)據(jù)具有非平穩(wěn)的特點(diǎn)采用了小波濾波降噪。針對瓦斯數(shù)據(jù)的混沌特性,在數(shù)據(jù)層面采用了相空間重構(gòu)和神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)預(yù)測方法。同時采用C-C算法計算了嵌入維數(shù)和延遲時間,并考察了不同類型神經(jīng)網(wǎng)絡(luò),嵌入維數(shù)和預(yù)測步長之間的關(guān)系,通過實驗分析了最佳的參數(shù)配比,實驗結(jié)果表明在該參數(shù)配比下具有較佳的預(yù)測結(jié)果。然后確定了瓦斯危險狀態(tài)的劃分規(guī)則,并在此劃分規(guī)則下得到了分類器的輸出維數(shù)。針對映射操作具有較高非線性的特...

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 選題背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 基于物理量的預(yù)測研究
        1.2.2 基于數(shù)據(jù)的預(yù)測研究
    1.3 PCF模型提出的思想
    1.4 研究工作和主要內(nèi)容
    1.5 文章組織結(jié)構(gòu)
2 瓦斯數(shù)據(jù)預(yù)處理與預(yù)測數(shù)據(jù)生成
    2.1 小波濾波用于瓦斯數(shù)據(jù)降噪
    2.2 基于相空間重構(gòu)和RBF神經(jīng)網(wǎng)絡(luò)的瓦斯預(yù)測模型
        2.2.1 相空間重構(gòu)簡介
        2.2.2 C-C算法基本原理
        2.2.3 利用C-C法計算瓦斯數(shù)據(jù)的嵌入維數(shù)和延遲時間
        2.2.4 計算最佳嵌入維數(shù)和預(yù)測步長算法的提出及瓦斯數(shù)據(jù)預(yù)測
    2.3 本章小結(jié)
3 瓦斯預(yù)測數(shù)據(jù)的降維與危險程度分類
    3.1 PCA降維用于瓦斯序列數(shù)據(jù)的壓縮
        3.1.1 PCA降維的簡介
        3.1.2 PCA降維的原理及最優(yōu)先驗轉(zhuǎn)換矩陣的選取算法
        3.1.3 PCA數(shù)據(jù)降維示意與瓦斯數(shù)據(jù)壓縮
    3.2 分類器用于瓦斯?fàn)顟B(tài)映射
        3.2.1 支持向量機(jī)基本介紹
        3.2.2 BP神經(jīng)網(wǎng)絡(luò)基本介紹
        3.2.3 SVM與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行瓦斯?fàn)顟B(tài)分類
    3.3 本章小結(jié)
4 基于DS證據(jù)理論的瓦斯?jié)舛葼顟B(tài)融合
    4.1 DS證據(jù)理論基本原理及概念
        4.1.1 DS證據(jù)理論簡介
        4.1.2 DS證據(jù)理論基本概念
        4.1.3 證據(jù)合成規(guī)則
    4.2 基于DS證據(jù)理論構(gòu)建的PCF模型實例
    4.3 利用證據(jù)折扣減弱瓦斯?fàn)顟B(tài)數(shù)據(jù)間的沖突
        4.3.1 PCF模型中誤差的來源
        4.3.2 根據(jù)誤差構(gòu)造BPA
    4.4 實驗結(jié)論展示及其分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
附錄



本文編號：3792923