矿井涌水量R/S灰色预测模型

基于矿井涌水量序列具有灰色和分形的特征,建立R/S灰色预测模型,以克服R/S方法无法进行定量预测以及灰色模型对于随机波动大的长时间序列预测效果差的缺点。以成庄煤矿为例,针对2008年1月—2013年12月矿井涌水量进行R/S分析,确定Hurst指数和平均循环周期,并在一个周期内进行灰色预测。结果表明:成庄矿涌水量序列的Hurst指数为0.839,涌水量有持续增加的趋势,其平均循环周期为18个月;与2014年1—4月实测涌水量对比,R/S灰色预测模型的预测精度为92.56%,高于灰色预测模型,为中长期时间序列的矿井涌水量预测提供了更有效的新方法。     

矿井涌水量灰色GM(1,2)预测模型

基于矿井涌水量序列具有明显的随机性和灰色特征,建立涌水量GM(1,2)预测模型,以克服灰色GM(1,1)模型对于随机波动大的长序列预测效果差的缺点。以王行庄煤矿为例,针对2012年7月至2013年12月王行庄煤矿18个月的涌水量资料,考虑与之密切相关的L7-8灰岩含水层水位降深,建立了矿井涌水量GM(1,2)预测模型;预测了2014年1—4月的涌水量;并与GM(1,1)预测模型进行模型精度与预测精度的比较。结果表明:GM(1,2)模型的预测精度达到了97.44%,GM(1,1)模型的预测精度为92.60%,GM(1,2)模型明显提高了矿井涌水量的预测精度。     

矿井涌水对大气降水响应的非线性研究

矿井涌水量是煤矿安全生产的一个重要基础性指标,深部矿井涌水量与地表水、地下水之间的定量关系一直是水文过程研究的一个难点问题。本文采用Mann-Kendall检验法、R/S分析法、GM(1,2)模型和现场分析等方法,以平煤七矿为例,研究矿井涌水量对降水量变化的响应。结果表明:降水量序列Hurst指数为0.367 7,该序列具有反持续性,其平均循环周期为5个月;涌水量序列Hurst指数为0.897 3,该序列具有正持续性,其平均循环周期为20个月;降水量对矿井涌水量的影响滞后1.5～3个月。以此为基础建立矿井涌水量的GM(1,2)预测模型,预测精度达到了94.25%。该模型对同类型矿井涌水量预测具有借鉴价值。     

矿井涌水量重标极差法等维预测模型

目前,矿井涌水量预测方法较多,但预测效果并不十分理想.为了提高预测的精度和速度,鉴于重标极差法对复杂系统演变分析和预测具有的独特优势,建立基于MATLAB的重标极差法涌水量等维预测模型,采用试算法确定涌水量时间序列的后续最佳取值.利用平顶山天安煤业股份有限公司八矿的涌水量资料对模型进行验证,结果表明:该矿涌水量时间序列的Hurst指数H=0.968,涌水量序列均具有很强的持续性;平均循环周期为17个月;建立的模型预测精度达到了98.43％,说明此模型对该矿涌水量的预测十分有效.利用MATLAB软件编写的重标极差法预测涌水量的程序,避开了繁琐的计算,提高了预测速度和精度.     

基于相空间重构和支持向量机的矿井涌水量预测

针对矿井涌水量典型的非线性特征,应用相空间重构与支持向量机耦合方法进行预测。将矿井涌水量的时间序列作相空间重构,并以最小嵌入维数作为支持向量机的输入节点,根据支持向量机原理建立矿井涌水量的预测模型。实例计算表明:与其他维数相比,当嵌入维数为4时,矿井涌水量的预测精度最高,说明引入最小嵌入维数是正确的。为检验该方法预测的可靠性,分别采用最小二乘法、指数函数法、相空间重构与支持向量机耦合法对实际矿井涌水量观测值进行回归预测。结果表明,非线性方法的预测效果比线性方法更佳。不同核函数预测结果证实RBF是最优的。     

基于CEEMD_GRU模型的矿井涌水量预测

为了提高矿井涌水量的预测精度,提出基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)与门控循环单元(gated recurrent unit,GRU)相结合的矿井涌水量预测模型(CEEMD_GRU).首先,通过CEEMD算法将一维涌水量数据分解为多个本征模态函数(intrinsic mode function,IMF)分量和一个残差余量,本征模态函数分量反映涌水量数据在不同时间尺度的波动特征,残差余量反映数据长期变化的趋势特征;然后,针对各分量分别建立GRU神经网络模型,将对一维数据的研究转换为对其分解后多维子分量的研究,训练学习各分量的时序变化规律并进行预测;最后,将预测结果融合得到最终涌水量预测值.将CEEMD_GRU与反向传播(back propagation,BP)、支持向量机(support vector machine,SVM)、GRU神经网络进行了对比实验,结果表明,基于CEEMD_GRU的均方根误差平均降低了60.8％,该研究为进一步提高矿井涌水量预测精度提供了思路.     

煤矿井下涌水量灰色灾变预测

利用灰色灾变理论,对韩王矿历年矿井涌水量资料进行了分析、整理．建立了煤矿井下涌水量灰色灾变时间预测模型,并对矿井灾害涌水量发生时间进行了预测．预测精度较高,结果符合实际要求,为煤矿井下水害防治提供了一种有效的方法．     

煤矿井下涌水量灰色灾变预测

利用灰色灾变理论,对韩王矿历年矿井涌水量资料进行了分析、整理.建立了煤矿井下涌水量灰色灾变时间预测模型,并对矿井灾害涌水量发生时间进行了预测.预测精度较高,结果符合实际要求,为煤矿井下水害防治提供了一种有效的方法.     

灰色系统理论在韩王矿最大涌水量预测中的应用

矿井最大涌水量的科学预测是煤矿水害防治的前提条件.本文应用灰色控制系统理论,对韩王矿近十几年来矿井涌水量进行分析、整理,建立了GM(1,1)预测模型,对韩王矿最大涌水量进行了预测,预测精度较高,不失为矿井最大涌水量科学计算的有效方法,为矿井最大涌水量科学计算提供了可知的依据.     

基于混沌支持向量机的径流时间序列预测研究——以渭河宝鸡林家村站径流序列为例

混沌理论和支持向量机具有强大的非线性处理能力.首先利用混沌系统相空间延迟坐标重构理论对林家村站月径流进行相空间重构,以便更为深刻地挖掘月径流序列中的信息,并运用最大Lyapunov指数法证实渭河林家村站月径流系列具有混沌特性.在此基础上利用基于统计学习理论的支持向量机建立混沌时间序列的预测模型.仿真结果表明,所提出的模型预测结果好于混沌神经网络模型的预测结果,该模型具有较高的泛化能力,可用于林家村站月径流预测.     

灰色系统理论在韩王矿最大涌水量预测中的应用

矿井最大涌水量的科学预测是煤矿水害防治的前提条件． 本文应用灰色控制系统理论, 对韩王矿近十几年来矿井涌水量进行分析、整理, 建立了ＧＭ （１ , １） 预测模型, 对韩王矿最大涌水量进行了预测, 预测精度较高, 不失为矿井最大涌水量科学计算的有效方法,为矿井最大涌水量科学计算提供了可知的依据     

四川省永川煤矿矿井涌水量预测

采用灰色控制系统理论，通过建立数学模型，对四川省永川煤矿矿井涌水量进行分析和预测，结果表明，该方法在预测矿井涌水量中是一种简便而有效的好方法。根据涌水量预计结果，为矿井设计排水方案的最优化选择提供科学依据。     

基于灰色Verhulst的城市污水排放量预测模型

针对城市污水排放量数据序列特征,将灰色Verhulst模型的建模方法引入到城市污水排放量的预测中,并建立相应的预测模型.应用实例表明:该模型具有用较短的数据序列建立起预测精度较好的预测模型的优点.基于灰色Verhulst的城市污水排放量预测模型应用于城市污水排放量的中长期预测,可为城市环境规划提供决策参考.     

疏系数自回归模型及其在矿井涌水量预测中的应用

作者分析了诸如矿井涌水量等地质时间序列数据的特点以及现有的一些预测预报方法的局限性,引进了一种适合地质特点的数学模型——疏系数自回归模型,并利用该模型处理了大同矿务局某矿的月平均日涌水量数据。从计算结果可以看出,预测的精度满足了生产矿井的实际需要。     

基于LS-SVR的混沌时间序列多参数自适应预测

故障预测对保障复杂设备的安全可靠工作具有重要意义,但往往难以建立起准确的解析形式的数学模型,因此常常依赖于通过观测所获得的混沌时间序列进行预测分析.为了提高预测的有效性和准确性,基于支持向量机预测理论,提出考虑全部相关多参数混沌时间序列中的信息,进行多参数相空间重构产生训练样本,并建立了多参数自适应最小二乘支持向量回归预测模型.以某设备三个相关参数的仿真混沌时间序列为例进行了预测实验,结果表明该方法有较好的预测精度,是一种有效的预测方法.     

基于混沌理论的短时交通流局域预测模型

为了提高城市短时交通流预测的精度,对城市的短时交通流数据进行混沌时间序列分析,并对交通流时间序列数据进行相空间重构.通过对混沌时间序列预测方法的研究,提出短时交通流加权一阶局域多步预测方法.对实测短时交通流量预测结果,验证该多步预测模型的预测精度明显高于一步预测模型.     

基于BP网络的混沌时间序列预测模型

本提出了一个基于BP神经网络的混沌时间序列预测模型。该模型具有较强的预测能力，可有效地对复杂的混沌售进行预测。     

给水管网余氯的混沌特性与预测

基于混沌理论，研究了给水管网余氯时间序列的混沌特性．并根据混沌理论的最大Lyapunov指数对其进行了预测的研究．采用混沌理论的特征参数一一关联维数和最大Lyapunov指数分析了余氯时间序列的混沌特征．通过实例分析证明给水管网的余氯时间序列存在混沌特征．基于最大Lyapunov指数提出了给水管网余氯的预测模型，实例研究结果表明不需要管网其他监测点或其他水质监测数据的辅助，该方法能够进行连续多步预测，并且其在最大可预测时间尺度内的预测精度较高而且比较稳定，而在最大可预测时间尺度外的预测精度下降很快并且预测稳定性较差．     

基于混沌时间序列的煤矿瓦斯浓度短期预测

利用混沌时间序列短期可以预测的特点,构建煤矿瓦斯浓度预测模型．根据Takens理论,重构煤矿瓦斯浓度相空间,分别采用伪近邻法确定相空间的嵌入维数m,最小互信息法确定相空间时延r．然后在重构相空间中,运用加权一阶局域法构建煤矿瓦斯浓度的预测模型．结果表明：混沌特性指数λ=0．35684的瓦斯浓度时间序列具有混沌特性,可以在最佳嵌入维数m=6,时间延迟r=6的情况下进行预测,得到的模型均方差为0．3188,预测结果与实际情况符合较好,表明应用混沌理论进行煤矿瓦斯浓度预测是可行的．     

基于EMD与Elman神经网络的太阳黑子活动预测

针对太阳黑子时间序列非平稳、混沌及难以预测等特性,建立一种基于经验模态分解(empirical mode decomposition,EMD)与Elman神经网络的组合预测模型。将太阳黑子时间序列通过经验模态分解方法分解为一些不同时间尺度的本征模函数分量和剩余分量,分别对其构建样本,输入到Elman神经网络进行训练和预测,得到各个分量的预测值,并对这些预测值进行求和,得到最终预测结果。对比仿真结果表明,该模型预测精度较高。