基于HHT-CS-ELM的瓦斯涌出量时序预测

发布时间：2019-02-27 07:24

【摘要】：为有效挖掘瓦斯涌出量监测数据隐含特征,预防瓦斯动力灾害,基于希尔伯特-黄变换(HHT)方法、布谷鸟搜索算法(CS)和极限学习机(ELM)基本理论,构建了瓦斯涌出量的HHT-CSELM动态预测模型。通过EMD将样本序列分解成多个不同频率的本征模态函数(IMF)分量;利用Hilbert变换获取各分量的瞬时频率,并据此将IMF分量划分成较高频和低频,采用不同的预测模型进行预测,经叠加各预测值得到最终预测结果。以汾西矿业集团某矿瓦斯涌出量监测数据为例进行仿真实验,结果表明:HHT方法能有效降低数据复杂度,其最小相对误差为0.144%,最大相对误差为0.388%,平均相对误差为0.281%,具有较高的预测精度和泛化能力;更好地适用于非平稳时间序列预测。
[Abstract]:Based on Hilbert-Huang transform (HHT) method, cuckoo search algorithm (CS) and extreme learning machine (ELM) basic theory, in order to effectively excavate the hidden characteristics of gas emission monitoring data and prevent gas dynamic disaster, The HHT-CSELM dynamic prediction model of gas emission is constructed. The sample sequence is decomposed into several eigenmode function (IMF) components with different frequencies by EMD. The instantaneous frequency of each component is obtained by Hilbert transform. According to this, the IMF component is divided into higher frequency and lower frequency. Different prediction models are used to predict, and the final prediction results are obtained by superposition of each prediction value. Taking the monitoring data of a mine gas emission in Fenxi Mining Group as an example, the simulation results show that the HHT method can effectively reduce the data complexity, with a minimum relative error of 0.144% and a maximum relative error of 0.388%. The average relative error is 0.281%, which has high prediction accuracy and generalization ability. It is more suitable for non-stationary time series prediction.
【作者单位】： 山西汾西矿业(集团)有限责任公司;
【分类号】：TD712.5

【相似文献】

相关期刊论文 前10条

1 桂祥友;郁钟铭;孟絮屹;;贵州煤矿瓦斯涌出量灰色预测的应用[J];采矿与安全工程学报;2007年04期

2 司光耀;缪拥正;敬毅;;基于灰色马尔可夫模型预测煤矿瓦斯涌出量[J];陕西煤炭;2008年06期

3 屈庆栋;许家林;杨胜强;张吉林;;高瓦斯长距离掘巷瓦斯涌出特征及其通风参数选择[J];煤矿安全;2008年01期

4 陈家祥;微机预测瓦斯涌出量[J];煤矿自动化;1986年01期

5 王轩,王克全;瓦斯涌出的灰色预测初探[J];煤炭工程师;1990年01期

6 刘占文，孙久恒;综采放顶煤工作面瓦斯涌出预测及防治[J];煤炭科学技术;1994年04期

7 汪东升,刘宜宏,刘绪和;博金公司瓦斯涌出及分布规律[J];劳动保护科学技术;2000年06期

8 文志高,王德璋,谢志征;成庄矿综采放顶煤工作面瓦斯涌出特征探讨[J];矿业安全与环保;2001年05期

9 孔祥堂 ,刘恩功;浅析临沂矿区瓦斯涌出异常区及其防治[J];山东煤炭科技;2003年03期

10 胡德文,张瑞林,李东印;芦岭矿Ⅱ一采区瓦斯涌出影响因素及其特征分析[J];焦作工学院学报(自然科学版);2004年05期

相关会议论文 前10条

1 张海军;刘奇;;采煤工作面煤体瓦斯预评价及瓦斯涌出预测[A];基于瓦斯地质的煤矿瓦斯防治技术[C];2009年

2 杨凌霄;王莉;;基于变采样率的钻孔瓦斯涌出初速度检测算法研究[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

3 陈杰;;小断层对瓦斯涌出的影响[A];瓦斯地质基础与应用研究[C];2011年

4 许永溪;;浅析南湖一号井瓦斯涌出的基本规律[A];瓦斯地质研究与应用——中国煤炭学会瓦斯地质专业委员会第三次全国瓦斯地质学术研讨会[C];2003年

5 谷松;崔洪庆;冯文丽;;预测瓦斯涌出量的新方法[A];瓦斯地质与瓦斯防治进展[C];2007年

6 邹云龙;赵旭生;孙东玲;文光才;雷洪波;;利用炮掘工作面瓦斯涌出时间序列预测工作面突出危险性[A];中国煤炭学会煤矿安全专业委员会2009年学术研讨会交流论文（部分）[C];2009年

7 王恩义;岑梅英;张广彦;;用钻孔瓦斯涌出初速度法进行浅孔预测的可行性研究[A];瓦斯地质理论与实践——中国煤炭学会瓦斯地质专业委员会第五次全国瓦斯地质学术研讨会论文集[C];2005年

8 张凤舞;邓蓉;;非均值浓度下瓦斯涌出量计算探讨[A];煤矿瓦斯综合治理与开发利用论文集[C];2012年

9 常胜秋;权守国;;屯留北风井井底车场掘进瓦斯涌出的研究与治理[A];矿山建设工程新进展——2007全国矿山建设学术会议文集[C];2007年

10 田俊伟;闫江伟;张玉贵;张子敏;;晋城成庄煤矿瓦斯涌出主控因素分析及预测[A];瓦斯地质与瓦斯防治进展[C];2007年

相关重要报纸文章 前1条

1 潘贵春邋王明人;水矿力保省内电煤供应上半年完成供应量160余万吨[N];贵州日报;2008年

相关博士学位论文 前6条

1 张文胜;基于小波分析的掘进工作面瓦斯涌出模式识别研究[D];中国矿业大学(北京);2016年

2 何利文;煤矿回采工作面瓦斯涌出非线性特性分析及预测仿真理论研究[D];中南大学;2010年

3 黄伟;基于流固耦合动力学的矿压显现与瓦斯涌出相关性分析[D];中国矿业大学;2011年

4 陈金国;瓦斯管理的关键技术研究[D];南京航空航天大学;2007年

5 朱锴;表面活性剂降低瓦斯涌出的实验研究[D];中国地质大学（北京）;2010年

6 唐俊;预测煤巷突出危险性的连续流量法研究[D];中国矿业大学;2009年

相关硕士学位论文 前10条

1 张言辉;突出危险工作面瓦斯涌出异常识别与预警系统研究[D];中国矿业大学;2015年

2 陈莲芳;回采工作面瓦斯涌出动态特征研究[D];河南理工大学;2015年

3 高卫国;矿井工作面瓦斯涌出量预测预警方法研究[D];河南理工大学;2015年

4 靳义志;芙蓉集团珙泉煤矿瓦斯涌出量可视化预测系统开发[D];河南理工大学;2015年

5 葛须宾;提高瓦斯涌出初速度测定钻孔深度的实验研究及应用[D];华北科技学院;2016年

6 王璐;基于粒子群支持向量机的矿井瓦斯预测与研究[D];西安科技大学;2015年

7 高金龙;平煤五矿综采面瓦斯涌出量影响因素及相关关系研究[D];河南理工大学;2014年

8 郭林聪;基于瓦斯日报表的工作面瓦斯涌出构成分析方法研究[D];河南理工大学;2014年

9 王春龙;宏岩煤矿瓦斯来源分析及抽采技术研究[D];辽宁工程技术大学;2014年

10 訾海;基于ASGSO-ENN算法的瓦斯涌出量动态预测研究[D];辽宁工程技术大学;2014年

，

本文编号：2431236