基于灰色神经网络组合模型的煤矿能耗预测研究

针对传统煤矿电能消耗预测模型可靠性和精度低等问题,提出了一种基于灰色神经网络组合模型的煤矿能耗预测方法,该方法将灰色预测模型和BP神经网络有效组合,充分利用2个模型的优点。首先介绍了灰色预测模型和神经网络预测模型的基本原理;其次根据煤矿能耗预测的数据特性,将灰色预测和神经网络预测进行组合,得到一种灰色神经网路组合预测模型;最后,通过仿真验证了所提方法的可行性和有效性,为煤矿能耗预测提供了新的理论依据。     

基于GRA的优选组合技术在中长期负荷预测中的应用

提出基于灰色关联(GRA)的优选组合预测模型,该模型组合各单独模型的预测信息,能够有效的提高预测精度。优选组合预测技术关键在于求出各种预测方法的权值系数,文章引入灰色关联(GRA)方法来确定不同预测模型的权值问题。将预测问题系统看作一个特定系统,根据原始数据相应计算不同模型的灰色关联系数,作为该模型对应的权值,进而得到组合预测结果。预测结果表明组合该预测模型精度较好。     

基于SVR组合模型的边坡位移预测研究

为解决传统支持向量机预测模型的不足,造成矿山边坡位移预测精度低的问题。提出了一种基于自适应惯性权重PSO算法的支持向量回归机(SVR)组合预测模型。将其运用到某矿边坡滑坡位移预测中,并与基于灰色预测模型、基于传统SVR预测模型预测结果对比,结果表明:基于SVR组合预测模型的矿山边坡位移预测的精度更具优势。     

煤矿系统安全预测模型与组合预测

为了解煤矿安全预测本质,正确有效地预测煤矿系统的安全状况,基于目前煤矿安全研究现状和手段,从煤矿系统安全预测的内在规律性、有效时间长度及有效性等方面进行了多角度研究,总结出煤矿系统安全预测的本质特征,并研究了安全预测的建模过程.在此基础上,提出了提高预测质量的方法,阐述了组合预测法,最后结合实例,建立了煤矿系统安全预测系统.研究结果表明,采用灰色预测法与自回归法相结合的组合预测模型、自回归法与BP神经网络相结合的非线性组合预测模型均有较高的精度,且非线性组合要好于线性组合.非线性组合预测模型克服了单一预测模型的缺点,解决了由于系统状态安全指标数量随机变动而造成的预测困难.     

最优组合预测在煤系地层含水量预测中的应用

利用电测深法能够获得半衰时St/2、衰减度D和视极化率ηs这些与煤系地层含水量相关的指标,通过分析,再引入含水层相对因子参数T"这一指标,选取以上4个物探观测指标作为预测煤系地层含水量的输入参数。通过实例,分别采用多元线性回归模型、人工神经网络模型和最优组合预测模型来预测煤系地层的含水量,研究各个模型的预测精度。结果表明:最优组合预测模型的预测精度最高,证明采用最优组合预测模型预测煤系地层含水量的准确性和实用性。     

深埋隧道围岩变形预测的非线性组合模型

深埋隧道围岩变形受地应力、地下水、开挖方式等多种因素共同影响,表现为位移序列高度的非线性,为此,提出了基于变形信息融合的非线性组合预测模型。该模型以灰色GM（1,1）模型、RBF模型两种单项预测数据为基础,采用神经网络求取组合预测模型中单项模型所占权重,构建非线性组合预测,并将该模型应用于某深埋隧道围岩变形预测,同时将非线性组合预测的结果和简单平均定权组合、最优线性加权组合进行了比较。研究结果表明：所提出的方法较传统的定权方法在预测精度方面有明显的提高,预测结果更为稳健,在深埋隧道围岩变形预测中具有较好的工程和实践价值。     

基于最优组合模型的煤矿百万吨死亡率预测

为有效解决常规单项预测模型组合时采用单一的加权平均系数而导致预测结果失真的缺陷,通过引入IOWHA(诱导有序加权调和平均)算子构建最优组合预测模型对我国煤矿百万吨死亡率进行预测分析,实证结果表明:该组合预测模型具有较高的拟合和预测精度,可为煤矿部门安全决策和科学规划提供一定理论依据。     

基于IOWA算子的矿区地表沉降预测组合模型研究

针对传统的加权组合预测模型赋权过程中的缺陷,分析了诱导有序加权平均算子(IOWA)的特点,建立了一种基于诱导有序加权平均算子的GM(1,1)-Verhulst组合预测模型。结合某矿山沉降实测数据进行基于IOWA算子的组合预测,结果表明基于IOWA算子的组合预测模型预测中误差优于传统的加权几何平均组合模型,更优于单项模型预测精度,预测结果能够很好地反映其沉降趋势。     

基于向量夹角余弦及IOWGA算子的组合预测方法及应用

针对传统组合模型建模准则单一、权值固定不变的缺陷,引用最优加权组合建模理论,将向量夹角余弦与诱导有序几何加权平均(IOWGA)算子相结合,构建一种新的最优组合预测模型,并对优性组合模型的判定方法及预测效果评价准则进行了研究。利用该模型对路基沉降进行预测,并与双曲线模型、S型曲线模型的预测结果进行对比分析。结果表明,相对于单项模型,该组合模型的预测精度更高,是一种有效的路基沉降预测模型。     

基于组合模型的矿山设备产量预测研究

鉴于矿山设备产量具有灰色和不确定性的特征,本文利用矿山设备产量的历史数据,建立了基于灰色和BP神经网络的组合预测模型。组合预测模型中各单一模型的权系数通过熵值法确定,克服了传统权系数确定方法的主观性,使得组合预测方法更具客观性最后,实例验证了所构建的组合模型较传统的单一预测模型有良好的预测效果。     

基于灰色马尔科夫模型的煤炭产量预测

煤炭资源是我国经济建设中的重要能源,准确预测我国煤炭产量有助于国家能源政策的制定.为此,在单一的灰色GM(1,1)预测模型的基础上,与马尔科夫预测模型组合形成灰色GM(1,1)-马尔科夫组合预测模型,以相对误差、均方差比值和小概率误差3个指标对模型的精度做检验.结果表明,组合预测模型优于单一预测模型,组合预测模型不仅反映了煤炭产量短中期呈上升趋势,又突显了该模型能较优地处理波动性序列的优点,能够有效地预测2019年和2020年煤炭产量.     

基于最优加权组合模型的煤炭消费预测分析

为了研究最优的煤炭消费预测模型,为我国能源结构优化提供依据,基于差分自回归移动平均(ARIMA)、灰色预测(GM)和人工神经网络(ANN)模型构建了8个组合预测模型,对我国煤炭消费量进行预测分析,应用评价指标R、MAE、MAPE和RMSE对预测模型精度进行比较,筛选出最优组合模型并预测分析未来10年我国煤炭消费趋势。研究结果表明:(1)最优加权组合模型均方根误差、平均绝对误差、平均相对误差等参数均较小,预测效果明显优于单项和简单组合预测模型;(2)构建了权重为(0.73,0.09,0.18)的我国煤炭消费预测最优加权组合模型ARIMA-GM-ANN。(3)将煤炭消费增长趋势分为"缓慢上升期"、"急速增长期"、"下降期"和"平稳期"四个阶段,2013年煤炭消费量达峰,约43.14亿t,2020年以后,煤炭消费量稳定在35.5亿t左右。     

基于数据挖掘的天然气市场收益率预测

以2000—2018年美国天然气价格为研究对象，基于动态时间规整算法（DTW）、模拟退火算法（SA）、支持向量机模型（SVM）构建DTW\|SVM\|SA天然气价格预测组合模型，并在不同预测步长下将其与对照模型的预测结果进行对比，分别从预测精度和预测误差两方面对模型的预测性能进行评估。结果表明：利用模拟退火算法可以优化SVM模型的自由参数和混合模型的权重参数；DTW-SVM-SA组合预测模型在天然气价格收益率预测方面表现出良好的泛化能力，对比其他模型，其在不同步长上的预测精度均有显著提升，预测误差均有降低，是一种有效的天然气价格预测模型。DTW-SVM-SA组合预测模型不仅能够为政府进行宏观调控提供参考，而且可以帮助企业尤其是能源相关企业更好地预测和管理价格变动的风险。     

基于预测有效度的矿山安全组合预测模型研究

依据组合预测有效度的定义,以单项预测在预测区间内预测精度均值最大为准则,建立了基于单项预测的加权组合预测模型,给出了加权系数的线性规划最优计算模型。应用基于灰色预测与指数平滑预测的组合预测模型研究了我国矿业事故数基本趋势问题,证明应用此模型对矿业安全系统预测分析不仅提高了预测精度,且模型直观、计算简洁,具有较高的实际应用价值。     

基于灰色-神经网络组合模型的瓦斯涌出量预测

针对煤矿瓦斯涌出量,建立了以预测方法有效度为优化指标的求解组合预测权重系数的优化模型,并对灰色—神经网络组合预测模型采用简化方法求解。预测结果表明:该模型比使用灰色和神经网络预测模型能获得更高的精度,可用于矿井瓦斯涌出量的预测。     

基于季节-WNN组合模型的煤矿事故预测

为了对矿山生产领域安全状况演化趋势进行准确预测,考虑实际生产中的季节性因素,本文构建季节-WNN组合模型对生产事故进行预测。其中,采用X-12-ARIMA模型对安全事故时序进行季节调整,将其分成平稳时间序列和季节因子序列。季节因子序列每年呈现相同规律,用WNN模型预测平稳时间序列,再按照乘法模型还原为真实预测序列。本文以我国煤矿生产安全为背景,将2015—2019年煤矿月度死亡人数作为观测值进行建模,预测2020年月度煤矿事故死亡人数,并将其与2020年煤矿事故月度死亡人数的真实值进行验证,将几种典型的预测模型与本文所构建模型进行对比分析。结果表明：我国煤矿事故存在显著的季节性特征,季节-WNN组合模型的平均相对误差为1.1%,预测精度显著优于单一的预测模型,且与我国煤矿事故实际走势较为吻合,具有良好的预测效果。预测模型可为安全事故的预测提供方法和指导,也可为煤矿安全生产监管决策提供依据。     

组合模型在江苏能源消费预测中的应用

鉴于能源消费系统的复杂性及非线性的特征,先利用江苏省能源消费量的历史数据,分别采用灰色预测模型和非线性模型预测了江苏省2004-2015年的能源消耗量,并对单项模型的优缺点进行了比较分析。然后,采用最小化方差的办法进行权重分配,建立了江苏省未来能源消费量的组合预测模型,并应用该模型对江苏省2004-2015年的能源消费量又进行了预测。结果表明,与单项预测模型相比,组合模型的预测精度高,预测结果更加可靠。     

多元非线性瓦斯涌出量组合预测方法

针对现有的一元线性单项预测方法信息源局限性和建模形式敏感性的缺陷,通过引入诱导有序加权几何平均(IOWGA)算子构建多元非线性瓦斯涌出量组合预测模型。工程实例表明:该预测模型具有预测精度高,数据可信度好,预测效果理想等优点,可应用于煤矿安全生产预测。     

灰色理论及季节变动在原煤产量预测中的应用研究

本文应用灰色预测理论及可变季节指数法,建立了灰色预测模型及可变季节指数预测模型,并对我国2006年各季度原煤产量进行了预测,又对这两种预测结果进行了组合预测,预测效果好。     

基于小波分析与GM(1,1)-ARMA(p,q)组合的矿井防尘用水量预测

为了提高矿井防尘用水量预测的精确度,提出了基于小波分析理论与灰色预测模型(GM(1,1))、自回归滑动平均模型(ARMA(p,q))组合的预测模型。运用小波分析将用水量时间序列做不同尺度分解,并将低频信号和高频信号采用GM(1,1)和ARMA(p,q)进行预测,最终经小波重构得到预测结果。以林南仓矿为研究背景,使用该组合模型预测2014年各月份的用水量,通过与实际数据对比,残差检验相对误差不超过2.5%。结果表明:矿井防尘用水量在总体上逐年缓慢增加,每年内呈周期性的变化;基于小波分析与GM(1,1)-ARMA(p,q)组合的预测模型具有较高的预测精度。