基于灰色系统理论的煤矿安全生产形势预测

以我国煤矿安全生产形势预测为研究目的,介绍了灰色系统理论GM(1,1)模型、残差GM(1,1)模型和等维新息GM(1,1)模型群等预测模型,应用这3种模型对我国2000年至2009年的煤矿安全生产事故死亡人数和百万吨死亡率分别进行了数据拟合.通过后验差检验和误差分析,等维新息GM(1,1)模型群对煤矿安全生产事故死亡人数和百万吨死亡率具有较高的数据拟合精度,平均相对误差分别为2.86%和2.92%.应用等维新息GM(1,1)模型群对我国煤矿安全生产事故死亡人数和百万吨死亡率进行预测,结果表明:煤矿安全生产形势将持续保持好转态势;煤矿安全生产事故死亡人数以平均每年16.9%的速度下降,到2015年将下降到900人以下;百万吨死亡率以平均每年22.7%的速度下降,到2015年将下降到0.2以下;同时反映了未来煤炭产量将继续保持增长趋势.     

改进GM(1,1)预测模型对我国煤炭消费需求的预测分析

为了预测未来煤炭消费需求状况,利用1998-2008年度我国煤炭消费需求的历史数据直接作为传统GM(1,1)及其残差模型的原始序列,通过生成处理后所得模型分别为勉强合格(三级)和合格(二级)等级,而通过对原始数据取自然对数为基础,并进行二阶弱化处理后所得的改进GM(1,1)模型及其残差GM(1,1)模型,经过点对点的残差检验发现,改进GM(1,1)模型及其残差GM(1,1)模型均提升至好的预测模型(一级)等级,其预测精度较高.用其预测未来3年的煤炭消费需求总量继续呈增长趋势,说明煤炭在未来短期内的主导地位没有改变.因此,国家和各级政府应加大对煤炭行业的资金投入与政策支持的力度,以保障我国经济持续稳定发展.     

基于灰色GM(1,1)新陈代谢模型的矿井瓦斯涌出量动态预测

矿井工作面瓦斯涌出是一个动态不确定的过程,因此最新瓦斯涌出数据的研究至关重要,本文将灰色GM(1,1)模型瓦斯涌出量预测结果加入原始数列,对原始数据序列的信息进行更新,建立了矿井瓦斯涌出量GM(1,1)新陈代谢动态预测模型,采用残差检验法对该模型精度进行检验,其平均相对误差为3.861%,预测精度明显优于GM(1,1)模型,提高了灰色GM(1,1)模型预测瓦斯涌出量的精度。     

煤炭产量预测与对比分析研究

为了预测我国的煤炭产量,分别建立了一元线性回归预测模型和灰色理论GM（1,1）模型,并对预测结果进行了比较分析。结果表明,灰色理论GM（1,1）模型较一元线性回归预测模型预测精度更高,更符合我国煤炭产量的发展趋势。灰色理论GM（1,1）模型的煤炭产量预测结果表明,未来2 a我国煤炭产量呈稳定增长趋势,产量分别为34.83亿t和37.82亿t,增长比例分别为7.5%和8.5%。     

基于残差修正GM(1,1)模型的采空区残余变形预测研究

针对灰色GM(1,1)模型直接应用于采空区地表残余变形预测效果一般的问题,以灰色GM(1,1)模型为基础,以一元二次多项式对GM(1,1)模型预测结果进行正化残差拟合修正,构建残差修正GM(1,1)模型,并以等间距和非等间距2种形式的采空区地表残余沉降监测数据集进行实例验证。结果表明：残差正值化处理后的非线性多项式拟合修正GM(1,1)模型的预测精度增益明显,而未对残差进行正值化处理的多项式残差修正GM(1,1)模型预测精度提升效果一般,正化残差拟合修正是有效的GM(1,1)模型后处理改进方式。     

用GM(1,1)新陈代谢模型预测铁矿石供需量

基于灰色系统理论,根据我国历年铁矿石供需量构建了GM(1,1)模型和GM(1,1)新陈代谢预测模型,并分别使用残差进行了模型精度检验,结果表明:GM(1,1)新陈代谢模型降低了传统GM(1,1)模型的相对误差,提高了预测精度。在上述分析的基础上,运用GM(1,1)新陈代谢模型预测了我国2017—2020年铁矿石的消耗量和生产量,供相关研究参考。     

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。     

基于关联挖掘技术的煤炭产量预测模型研究

提出一种基于关联挖掘技术的煤炭产量预测模型,利用灰色系统理论,建立GM(1,1)的煤炭产量预测模型。为了提高煤炭产量预测模型精度,改善传统预测模型存在的问题与不足,采用Gauss-Legendre公式对已经建立的GM(1,1)预测模型进行了背景值重新构造的改进处理,得到修正后的煤炭产量预测模型时间响应函数;利用得到的新的时间响应函数即可实现对煤炭产量的预测;通过利用残差法、后验差法和相对误差法对最终改进的煤炭产量预测模型进行了检验和精度等级划分。     

GM（1,1）等维新息模型在软土路基沉降预测中的应用

运用灰色理论中的GM（1,1）等维新息模型对软土路基的沉降进行预测,取沉降观测点沉降量为原始数据,采用Bspline三次插值法将原始数据转化为等时空距数据,再将其作1次累加生成1次累加序列,根据GM（1,1）等维新息模型建立灰色微分方程,其参数由最小二乘法得出,解决微分方程可得方程的时间响应序列,也就是所预测的随时间而变化的沉降值.并采用后验差法对模型的可靠性进行校验,通过某高速公路某段软土路基实测沉降数据的分析以及对等维新息模型维数区的探讨,结果表明,GM（1,1）等维新息模型应用于预测软土路基的沉降量与实际沉降量更加接近.     

灰色系统理论在采空区瓦斯抽采纯量预测中的应用

为了准确预测采空区瓦斯抽采纯量,本文将GM (1,1)模型与Markov模型有机结合,构建了GM(1,1)残差-Markov预测模型.以安徽淮北某矿采空区瓦斯抽采纯量为例,分别利用GM (1,1),GM(1,1)残差,GM(1,1)残差-Markov预测模型进行预测,对模型预测结果运用后验差检验比值c及小概率精度p进行精度检验.结果表明,GM(1,1)残差-Markov预测模型达到优等,适合对近期的采空区瓦斯抽采纯量进行预测.     

基于灰色理论的软岩巷道围岩变形预测研究

在对比不同维数的GM(1,1)模型和GM(1,1)等维新信息模型的基础上,得出GM(1,1)等维新信息模型更适合对软岩巷道围岩变形作预测.在确定了GM(1,1)等维新信息模型的最佳维数后,对巷道两帮的围岩变形量作了预测,且预测精度较高.     

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.     

地下水质灰色预测与模糊评价

本文将灰色预测与模糊综合评判相结合,解决地下水质管理和水质规划中的分区问题。文中实例采用了GM(1,1)模型群、GM(1,1)残差模型、GM(1,N)、GM(1,1)加权模型等进行水质系统预测。     

基于等维动态预测模型的建筑物变形分析

在分析传统模型建模的不足的基础上,介绍了一种实时引人新信息的等维灰数和等维新息递补动态预测方法.根据某广场变形监测数据,首先建立GM(1,1)模型,再用灰色理论的方法,分别建立等维灰数和等维新息递补模型,并根据实际观测数据,讨论最佳建模维数,最后将3个模型预测效果进行对比.结果表明,与原始的灰色GM(1,1)模型相比,等维动态方法建立了一种数据之间的动态关系,特别是实测值的加入,能够有效提高模型精度,获得良好的预测效果,是一种既方便又可靠的变形分析方法.     

基于最优加权组合模型的煤炭消费结构预测

为了研究全国以及火电、冶金、建材和化工行业煤炭消费量,基于无偏灰色(GM)、差分自回归移动平均(ARIMA)、逻辑斯蒂(LOGISTIC)和人工神经网络(ANN)模型,分别构建了各行业组合预测模型,并运用相关系数、平均绝对误差、平均相对误差和均方根误差评价指标检验组合模型拟合精度,筛选出各行业最优组合模型并预测2020—2030年各行业消费趋势。研究表明：最优加权组合模型的R、MAE、MAPE和RMSE等检验指标均优于单项模型|分别构建了权重为(0.32,0.68)的我国煤炭消费总量预测模型GM-ARIMA、权重为(0.28,0.14,0.58)的火电行业预测模型GM-LOGISTIC-ARIMA、权重为(0.40,0.60)的冶金行业预测模型GM-LOGISTIC、权重为(0.32,0.68)的建材行业预测模型ANN-ARIMA、权重为(0.79,0.21)的化工行业预测模型ANN-ARIMA|预测未来我国煤炭消费总量和火电行业消费量呈小幅增长趋势,2030年分别达到41.67亿t和22.10亿t;冶金和建材行业消费量呈稳定趋势,2030年分别达到6.60亿t和5.04亿t;化工行业消费量呈快速增长趋势,2030年达到3.78亿t。     

灰色系统理论在矿井涌水量预测研究中的应用

本文应用灰色系统GM ( 1,1)预测模型拟合韩城矿区桑树坪煤矿 1990～ 1997年的矿井涌水量 ,建立了经过二阶残差校正的GM ( 1,1)模型 ,最后对该矿 1998～ 2 0 0 1年的矿井涌水量进行了预测。研究结果表明 ,该模型的精度高 ,适合于具有灰色特征的地质数据的模拟、控制和预测     

残差修正GM(1,1)模型在煤矿事故预测中的应用

百万吨死亡率是煤炭安全生产的一个重要考核指标,为准确预测煤炭行业安全生产的总趋势,利用灰色系统相关理论,建立了煤炭行业百万吨死亡率的GM(1,1)预测模型。同时鉴于GM(1,1)模型预测精度很低,建立残差修正GM(1,1)预测模型对模型进行了二次修正,并利用该修正模型成功预测出我国煤矿2009年的百万吨死亡率将首次降到1以下,权威机构数据表明,预测结果是可参考的。     

改进灰色GM(1,1)模型在煤炭消费预测中的应用

根据灰色系统理论构建并优化了灰色GM(1,1)预测模型,应用模型对我国煤炭消费总量进行拟合和预测。该模型通过减少数据受到的冲击扰动,以适应中长期预测。经检验,该模型具有较好的精度,预测结果反映出的煤炭消费发展趋势,可为今后制定煤炭发展战略提供参考。     

动态灰色预测模型在崩落法矿山地表沉降预测中的应用

针对灰色预测模型GM(1,1)更适用于短期预测的问题,以其为基础采用等维新息和等维灰数递补两种动态灰色预测方法对矿山地表的沉降量进行了中长期预测研究。探讨了等维新息模型和等维灰数递补模型预测的实现机理,对不同模型的预测结果和精度进行了比较研究。研究发现等维新息模型可以利用新息调整灰色模型,等维灰数递补模型可以利用灰度约束灰平面的大小,两者相结合能够提高模型的预测精度。工程实践表明:将等维新息模型和等维灰数递补模型结合运用,适用于中长期的沉降预测,能够获得更为合理和精确的预测结果。     

基于GM(1,1)模型的沉降变形分析及预报

基于传统GM(1,1)模型的建模理论,结合建筑物的变形特点,采用实时动态GM(1,1)模型,并辅以残差对模型进行修正,即将动态预报与残差修正相结合,形成基于残差改正的动态GM(1,1)模型。实际算例表明,基于残差修正的动态GM(1,1)模型,能顾及参数的时变性,可显著改善GM(1,1)模型的拟合及预报精度。