预测矿井涌水量的时间序列和BP神经网络耦合模型研究
发布时间：2021-02-02 17:14
矿井涌水量的预测是每个矿区生产建设必须要面对和回答的问题，是矿井建设和安全生产的基础性工作。神经网络和时间序列模型是两种重要的矿井涌水量预测模型，但在实际应用中仍存在一定的局限性。为了提高模型的适用性和预测精度，本文构造了一个包含长期趋势和周期项的理想时间序列函数，分别用BP神经网络和时间序列模型对其函数值进行拟合和预测，预测的相对误差分别为5.82%和3.40%。通过分析两种预测模型的优点和不足，提出了建立时间序列和BP神经网络耦合模型来提高模型适用性和预测精度的方法。分析了耦合模型的组合方法并建立了时间序列和BP神经网络串联的耦合模型。通过时间序列乘法分解模型对涌水量时间序列中的长期趋势、周期项、季节变动和不规则变动项进行分解和提取，采用趋势外推法拟合并预测长期趋势，采用季节平均法计算季节变动值，采用BP神经网络预测不规则变动项。当周期项较明显时采用傅里叶级数逼近进行拟合预测，周期特征不明显时采用BP神经网络进行预测。根据相应预测方法的实现原理，以及函数和参数的选择原则，设计了基于MATLAB的耦合模型的主要程序。通过计算得出，耦合模型对构造函数的预测相对误差为2.13%，提高了预...
【文章来源】：河南理工大学河南省
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
Abstract
目录
1 前言
1.1 选题依据及意义
1.2 国内外研究现状
1.2.1 矿井涌水量预测的研究现状
1.2.2 时间序列模型和神经网络方法的研究现状
1.3 存在的主要问题
1.4 本文研究内容及安排
1.5 技术路线
2 人工神经网络原理和时间序列分析原理
2.1 人工神经网络原理
2.1.1 人工神经网络的概念及其发展
2.1.2 人工神经网络的原理和基本模型
2.1.3 人工神经网络的特点和分类
2.2 BP 神经网络的基本原理
2.2.1 BP 神经网络的基本要素
2.2.2 BP 神经网络的学习规则和数学算法
2.2.3 BP 神经网络的局限性
2.3 时间序列分析原理
2.3.1 时间序列的分解模型
2.3.2 时间序列乘法模型的分解方法
2.4 BP 神经网络和时间序列的预测分析
2.4.1 构造理想数列
2.4.2 两种模型的预`测及结果分析
3 时间序列和 BP 神经网络耦合模型的实现
3.1 问题的提出
3.2 耦合模型的建立
3.2.1 耦合预测模型的组合方式
3.2.2 耦合预测模型的实现步骤和模型结构
3.3 基于 MATLAB 的耦合模型的主程序及参数设置
3.3.1 耦合模型的主程序
3.3.2 参数讨论及选择
3.4 耦合模型的预测效果评价
3.5 耦合模型的实例验证
4 时间序列和 BP 神经网络耦合预测模型在龙门矿的应用
4.1 龙门矿地质和水文地质背景
4.2 龙门矿矿井涌水及特征
4.3 应用耦合模型预测矿井涌水量
4.3.1 时间序列模型对涌水量时间序列的分解
4.3.2 不规则变动项的 BP 神经网络预测
4.4 基于原始数据的 BP 神经网络预测
4.5 耦合模型和神经网络单独预测结果对比
5 结论及展望
5.1 主要结论
5.2 研究展望
参考文献
作者简历
学位论文数据集
【参考文献】：
期刊论文
[1]基于时间序列分析对矿坑涌水量的区间预测[J]. 张齐元,郭增辉,沈致和. 价值工程. 2011(16)
[2]基于灰色神经网络的矿井涌水量预测[J]. 陈建宏,施飞,郑海力,韩玉建. 矿业研究与开发. 2011(02)
[3]基于时间序列分析的滑坡位移预测模型研究[J]. 徐峰,汪洋,杜娟,叶疆. 岩石力学与工程学报. 2011(04)
[4]用水文地质比拟法预算矿井涌水量[J]. 昝雅玲,吴慧琦. 华北国土资源. 2011(01)
[5]复杂矿井涌水动态的混沌效应及其预测[J]. 齐跃明,吴吉南,赵平娃. 煤炭工程. 2010(10)
[6]基于GM（1,1）模型的矿井涌水量预测[J]. 鲍道亮,刘宏锦. 龙岩学院学报. 2010(02)
[7]FEFLOW在区域地下水流场演化数值模拟中的应用[J]. 张国伟,孙亚军,徐智敏,李示. 地下水. 2010(01)
[8]基于灰色神经网络串联组合模型的涌水量预测[J]. 陈善成,姚多喜,李小龙,许继影,王俊. 淮南职业技术学院学报. 2009(04)
[9]基于GIS与ANN的金川二矿地表移动预测[J]. 邓清海,马凤山,袁仁茂,张丽萍. 金属矿山. 2009(12)
[10]基于时间序列模型的隧道涌水量反演与预测[J]. 刘建,刘丹. 水文地质工程地质. 2009(06)
硕士论文
[1]基于灰色模型与人工神经网络的改进组合预测模型及其应用研究[D]. 杨春波.山东师范大学 2009
本文编号：3015070
【文章来源】：河南理工大学河南省
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
Abstract
目录
1 前言
1.1 选题依据及意义
1.2 国内外研究现状
1.2.1 矿井涌水量预测的研究现状
1.2.2 时间序列模型和神经网络方法的研究现状
1.3 存在的主要问题
1.4 本文研究内容及安排
1.5 技术路线
2 人工神经网络原理和时间序列分析原理
2.1 人工神经网络原理
2.1.1 人工神经网络的概念及其发展
2.1.2 人工神经网络的原理和基本模型
2.1.3 人工神经网络的特点和分类
2.2 BP 神经网络的基本原理
2.2.1 BP 神经网络的基本要素
2.2.2 BP 神经网络的学习规则和数学算法
2.2.3 BP 神经网络的局限性
2.3 时间序列分析原理
2.3.1 时间序列的分解模型
2.3.2 时间序列乘法模型的分解方法
2.4 BP 神经网络和时间序列的预测分析
2.4.1 构造理想数列
2.4.2 两种模型的预`测及结果分析
3 时间序列和 BP 神经网络耦合模型的实现
3.1 问题的提出
3.2 耦合模型的建立
3.2.1 耦合预测模型的组合方式
3.2.2 耦合预测模型的实现步骤和模型结构
3.3 基于 MATLAB 的耦合模型的主程序及参数设置
3.3.1 耦合模型的主程序
3.3.2 参数讨论及选择
3.4 耦合模型的预测效果评价
3.5 耦合模型的实例验证
4 时间序列和 BP 神经网络耦合预测模型在龙门矿的应用
4.1 龙门矿地质和水文地质背景
4.2 龙门矿矿井涌水及特征
4.3 应用耦合模型预测矿井涌水量
4.3.1 时间序列模型对涌水量时间序列的分解
4.3.2 不规则变动项的 BP 神经网络预测
4.4 基于原始数据的 BP 神经网络预测
4.5 耦合模型和神经网络单独预测结果对比
5 结论及展望
5.1 主要结论
5.2 研究展望
参考文献
作者简历
学位论文数据集
【参考文献】：
期刊论文
[1]基于时间序列分析对矿坑涌水量的区间预测[J]. 张齐元,郭增辉,沈致和. 价值工程. 2011(16)
[2]基于灰色神经网络的矿井涌水量预测[J]. 陈建宏,施飞,郑海力,韩玉建. 矿业研究与开发. 2011(02)
[3]基于时间序列分析的滑坡位移预测模型研究[J]. 徐峰,汪洋,杜娟,叶疆. 岩石力学与工程学报. 2011(04)
[4]用水文地质比拟法预算矿井涌水量[J]. 昝雅玲,吴慧琦. 华北国土资源. 2011(01)
[5]复杂矿井涌水动态的混沌效应及其预测[J]. 齐跃明,吴吉南,赵平娃. 煤炭工程. 2010(10)
[6]基于GM（1,1）模型的矿井涌水量预测[J]. 鲍道亮,刘宏锦. 龙岩学院学报. 2010(02)
[7]FEFLOW在区域地下水流场演化数值模拟中的应用[J]. 张国伟,孙亚军,徐智敏,李示. 地下水. 2010(01)
[8]基于灰色神经网络串联组合模型的涌水量预测[J]. 陈善成,姚多喜,李小龙,许继影,王俊. 淮南职业技术学院学报. 2009(04)
[9]基于GIS与ANN的金川二矿地表移动预测[J]. 邓清海,马凤山,袁仁茂,张丽萍. 金属矿山. 2009(12)
[10]基于时间序列模型的隧道涌水量反演与预测[J]. 刘建,刘丹. 水文地质工程地质. 2009(06)
硕士论文
[1]基于灰色模型与人工神经网络的改进组合预测模型及其应用研究[D]. 杨春波.山东师范大学 2009
本文编号：3015070
本文链接：https://www.wllwen.com/kejilunwen/anquangongcheng/3015070.html
