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%。     

基于改进GM(1,1)灰色模型的煤炭产量预测与分析

文章深入了解了GM(1,1)模型的内容和原理,提出了一种改进该模型的方法,研究灰色状态马尔柯夫模型和对预测值确定的影响,通过选取2003年~2010年我国煤炭生产量来对比传统和改进后GM(1,1)模型的预测误差率和精度。实践证明基于改进灰色数学模型预测出来的煤炭产量十分接近实际产量,误差值远小于采取传统GM(1,1)计算出来的数值,实用价值和参照价值极高。     

基于等维新息GM(1,1)模型群的煤炭产量预测研究

以煤炭产量预测研究为目的,建立了GM(1,1)模型、GM(1,1)残差模型和等维新息GM(1,1)模型,并对我国1999年至2010年的煤炭产量进行了数据拟合和预测。应用后验差检验,3种模型均是一级合格模型;根据相对误差检验,GM(1,1)模型和GM(1,1)残差模型的数据拟合精度属于四级,是不合格模型;而等维新息GM(1,1)模型群的最大相对误差仅为0.46%,平均相对误差为0.40%,是适用于煤炭产量预测分析的高精度模型。应用等维新息GM(1,1)模型群对我国近5年煤炭产量进行预测,结果表明:煤炭产量将以平均每年超过3亿t的速度增长,到2015年将超过47亿t。     

基于改进灰色马尔柯夫模型对我国煤炭生产总量的预测

准确预测未来煤炭产量是合理确定产能目标和发展规划的重要依据.将灰色系统理论与离散状态的马尔柯夫链理论相结合,通过对1998～2008年度我国历年来煤炭产量的原始数据取其自然对数进行光滑处理,建立改进的GM(1,1)模型和灰色马尔柯夫模型,实证计算表明:改进的马尔柯夫模型预测精度明显高于改进的GM(1,1)模型,预测结果可靠,具有一定的普遍应用性.     

基于Gauss-Legendre公式改进的煤炭产量灰色预测模型研究

基于GM(1,1)背景值的构造方法,提出了一种基于Gauss-Legendre公式改进灰色预测模型的方法,并推导得出了基于两点Gauss-Legendre公式改进的GM(1,1)模型,改进模型的背景值计算公式具有更高的代数精度。以我国原煤产量预测为实例,详细说明了改进模型的建模与计算过程,并将预测结果与传统GM(1,1)模型和基于连分法改进的GM(1,1)模型的预测结果进行了对比分析,验证了改进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。     

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.     

吨煤瓦斯抽采量与百万吨死亡率的定量关系研究

为了探究瓦斯抽采量、煤炭产量与百万吨死亡率的内在联系,提出了瓦斯事故百万吨死亡率的概念,并对与吨煤瓦斯抽采量之间的关系进行了研究。依据吨煤瓦斯抽采量与时间的函数关系及瓦斯抽采量与时间的函数关系,间接对煤炭产量进行预测;建立了以吨煤瓦斯抽采量为依据的百万吨死亡率预测模型。结果表明,煤炭产量预测结果误差较小,明显优于线性回归、GM(1,1)模型等传统煤炭产量预测方法;百万吨死亡率实际值落在预测区间,而指数函数、GM(1,1)模型等传统百万吨死亡率预测结果误差较大。     

改进的灰色预测模型在煤矿成本预测中的应用

GM(1,1)模型是进行成本预测的普遍方法,但传统的GM(1,1)模型却难以反映序列的随机波动性。本文通过对传统的GM(1,1)模型进行改进,将原始时间序列进行加速平移变换和几何平均变换,有效地弱化了原始数据的随机性,将改进的GM(1,1)模型应用于某矿的原煤成本预测,对该矿区2003～2011年的单位原煤成本进行相对误差检验,预测结果表明该改进模型预测效果较好,为煤矿企业进行成本预测提供了一种适用的工具。     

中心逼近式GM(1,1)模型在煤矿产量预测中的应用

在已有灰色理论的基础上,通过对传统GM(1,1)模型改进,弱化序列变化幅度,并减小数据的波动,构建中心逼近GM(1,1)模型,并用其对煤矿的产量进行预测。     

基于D-InSAR技术和改进GM（1，1）模型的矿区沉降监测与预计

针对矿区地下资源大规模开采引发的地表沉陷,以淮北矿业集团袁二煤矿为试验区,联合合成孔径雷达差分干涉测量（D-InSAR）技术与灰色模型（GM（1,1））,建立了描述下沉量与时间关系的改进灰色模型,实现了地表沉降监测和预计的一体化。首先,基于哨兵一号A卫星（Sentinel-1A）影像,采用D-InSAR技术监测地面动态沉降过程,获得了2017年11月16日—2018年1月27日期间的时间序列沉降形变图;然后,依据所获取的各时间序列沉降量,建立了改进GM（1,1）的补偿最小二乘法估计半参数模型（BGM（1,1））和赋相对权重的补偿最小二乘法估计半参数模型（WGM（1,1））方程,实现了沉降值的拟合与预计。试验表明：D-InSAR技术在矿区地面沉降动态监测中具有明显优势,且其监测精度达毫米级;BGM（1,1）和WGM（1,1）预计模型均可弥补经典GM（1,1）模型的不足,结合WGM（1,1）预测的4个试验点的相对误差为1.99%~26.64%,可为矿区地面沉陷动态监测以及后续治理提供理论依据,具有一定的预警作用和借鉴意义。     

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.     

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.     

改进的灰色预测模型在煤矿安全管理中的应用

预测是确定安全管理目标的有效方法,GM(1,1)模型适用于对平滑单调数列进行建模,遇到带有周期振荡性的数列时预测精度较差.改进的GM(1,1)模型通过函数变换法对数据的周期振荡性进行处理,得到单调增加的数列,再利用GM(1,1)模型建模.实际应用表明,这种改进的方法较GM(1,1)模型效果好,使用简单.     

瓦斯涌出量预测的GM(1,1)模型改进

为了提高GM(1,1)模型预测矿井瓦斯涌出量的精度,分析了造成方程病态的原因,采用全最小一乘准则进行参数a和b的求解,解决了参数求解的稳健性问题。以玉河泰煤业1318采煤工作面为例,将改进的GM(1,1)模型用于矿井瓦斯涌出量预测,能够取得比传统GM(1,1)模型要高的预测精度,为矿井瓦斯治理提供依据。     

GM（1，1）模型与线性回归组合方法在矿井瓦斯涌出量预测中的应用

以矿井瓦斯涌出量的预测为主要研究目的,讨论了GM（1,1）方法适用于单一指数增长模型、对预测序列数据异常情况难以准确预测的局限性,依据灰色灾变预测原理,利用线性回归适用短期预测的特点,提出了基于GM（1,1）与线性回归组合预测矿井瓦斯涌出量的新方法.应用结果表明：该方法能很好地解决历史数据的跳变问题,使预测结果更为可靠、精确.     

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.     

矿区边坡变形预测的IGM-LSSVM模型

由于监测环境恶劣,变形监测序列常伴有较大波动,针对灰色模型（gray model,GM）仅适用于分析指数型变形序列,且最小二乘支持向量机（least squares support vector machine,LSSVM）在进行变形预测时存在参数难以有效选取的问题,提出了一种改进的灰色最小二乘支持向量机变形预测模型（IGM-LSSVM）。将几何平均生成变换引入GM（1,1）模型,增强其输入样本的指数规律性,初步预测出变形值并计算残差;针对人工蜂群算法（artificial bee colnony,ABC）在优化LSSVM参数时易陷入局部极值的缺陷,引入Metropolis准则并为其设计了自适应降温函数,得到自适应Metropolis人工蜂群算法（adaptive metropolis artificial bee colnony,AMABC）;利用AMABC算法优化的LSSVM训练GM（1,1）模型得到的预测残差值补偿GM（1,1）模型,得到最终预测值。某矿区边坡变形预测表明：AMABC算法有效克服了ABC算法易陷入局部最优解的缺点,IGM-LSSVM、GM（1,1）、ABC-GM-LSSVM等模型预测的平均相对误差分别为1.223%,9.565％、3.200％,可见,IGM-LSSVM的预测精度相对于其余2种模型优势明显,对于实现矿区边坡变形高精度预测有一定的参考价值。     

基于时间加权-新陈代谢GM(1,1)模型在建筑物沉降预测中的应用

文中针对时间因素对GM(1,1)模型预测造成的影响引入了时间加权-新陈代谢GM(1,1)模型,并将该模型应用于建筑物的沉降预测,结果证明时间加权-新陈代谢GM(1,1)模型比传统的GM(1,1)模型的预测精度高,具有较高的参考价值。     

非等步长灰色GM(1,1)模型及其建筑物沉降预测中的应用

在文献[1]非等步长灰色GM(1,1)模型建模基础上,提出根据沉降观测振荡序列建立非等步长灰色GM(1,1)模型的改进方法.利用青岛一高层建筑物的沉降监测数据,根据改进的非等步长灰色GM(1,1)模型对建筑物沉降进行了预测和分析,通过与改进前的模型预测结果的比较分析,验证了改进模型的实用性、正确性和有效性.