基于时间序列分析的综采工作面瓦斯浓度预测研究
发布时间：2022-08-09 13:41
综采工作面瓦斯浓度预测是预防和控制瓦斯事故的重要手段,对保证矿井安全生产具有十分重要的意义。本文以统计学软件R语言作为工具,应用时间序列分析方法建立ARIMA和GARCH的组合模型,寻求综采工作面瓦斯浓度变化规律并进行短期预测,主要研究内容有以下:本文对综采工作面瓦斯浓度历史监测数进行ARIMA模型拟合,确定ARIMA模型的预测方程,然后对瓦斯浓度监测数据进行拟合,结果表明,ARIMA模型对瓦斯浓度历史监测数据拟合程度较高,ARIMA模型适于进行预测。在已建立ARIMA模型的基础上,提出使用GARCH模型拟合ARIMA模型的残差序列,并通过GARCH模型模拟出ARIMA模型中噪声项的预测值,最终组合ARIMA模型和GARCH模型对综采工作面瓦斯浓度进行预测,实证结果表明组合模型在瓦斯浓度预测中具有较高的精度。基于MATLAB中GUI建立了综采工作面预测的可视化界面,该可视化界面运行稳定、可靠且可视化效果较好,为瓦斯浓度预测的可视化提供了一定的技术支持。本文以组合预测为主导思想,建立的工作面瓦斯浓度预测模型不仅预测精度,并辅以可视化操作设计提高了可视化应用的实效性。
【文章页数】：67 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题背景及研究意义
1.1.1 选题背景
1.1.2 研究目的和意义
1.2 国内外研究现状
1.2.1 时间序列分析国外研究现状
1.2.2 时间序列分析国内研究现状
1.2.3 时间序列在瓦斯浓度预测中的应用
1.3 研究内容及技术路线
1.3.1 研究内容
1.3.2 技术路线
2 时间序列分析理论基础
2.1 时间序列分析基本概念
2.1.1 时间序列与随机过程
2.1.2 均值、方差和协方差
2.1.3 随机过程的平稳性
2.2 重要的平稳随机过程
2.2.1 白噪声过程
2.2.2 滑动平均过程
2.2.3 自回归过程
2.2.4 自回归滑动平均混合过程
2.3 ARIMA模型建立步骤及方法
2.3.1 平稳化检验与处理
2.3.2 模型识别
2.3.3 参数估计
2.3.4 模型评价
2.4 GARCH模型建立步骤及方法
2.4.1 GARCH模型的识别
2.4.2 GARCH模型参数的确定
2.4.3 GARCH模型的诊断
2.5 小结
3 综采工作面瓦斯浓度预测实证研究
3.1 统计学软件R语言
3.2 瓦斯浓度ARIMA模型
3.2.1 数据来源及处理
3.2.2 模型的识别与建立
3.2.3 模型的评价
3.3 残差序列的GARCH模型
3.3.1 GARCH模型的识别
3.3.2 GARCH模型参数的确定
3.3.3 GARCH模型的诊断
3.4 瓦斯浓度预测及效果评价
3.5 小结
4 综采工作面瓦斯浓度预测的可视化
4.1 MATLAB脚本文件和GUI简介
4.2 用户可视化界面的设计
4.2.1 设计步骤及原则
4.2.2 设计过程
4.3 预测效果展示
4.4 小结
5 结论和展望
5.1 结论
5.2 展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]基于Gevers-Wouters算法的ARMA模型改进[J]. 唐欣欣,邓光明. 统计与决策. 2018(02)
[2]基于ARIMA、LS-SVM和BP神经网络组合模型的航空运输飞行事故征候预测[J]. 梁文娟,李雪艳. 安全与环境工程. 2018(01)
[3]基于ARIMA模型与神经网络模型的股价预测[J]. 陈小玲. 经济数学. 2017(04)
[4]基于GMDH混合模型的能源消费量预测研究[J]. 肖进,孙海燕,刘敦虎,曹瀚文,汪寿阳. 中国管理科学. 2017(12)
[5]基于R语言和Tableau的气象数据可视化分析[J]. 王露,杨晶晶,黄铭. 计算机与网络. 2017(24)
[6]交通事故时间序列预测模型研究[J]. 王文博,陈红,韦凌翔. 中国安全科学学报. 2016(06)
[7]基于动态神经网络的瓦斯浓度实时预测方法[J]. 张昭昭,乔俊飞,余文. 控制工程. 2016(04)
[8]我国煤炭资源供给情景分析[J]. 孟凡生,孙亚诺,刘丽. 中国能源. 2016(01)
[9]我国煤矿深部开采现状及灾害防治分析[J]. 蓝航,陈东科,毛德兵. 煤炭科学技术. 2016(01)
[10]油型气涌出矿井CH4扩散规律数值模拟[J]. 张俭让,张荃,董丁稳,陈伟. 煤炭技术. 2015(10)
博士论文
[1]时间序列分析的早期发展[D]. 聂淑媛.西北大学 2012
硕士论文
[1]基于R语言的综采工作面瓦斯浓度预测研究[D]. 加茸茸.西安科技大学 2017
[2]高维数据可视化界面交互设计研究[D]. 王俊超.东南大学 2016
[3]ARIMA与BP模型在我国居民消费价格指数的实证分析[D]. 黄树花.云南大学 2015
[4]煤与瓦斯突出影响因素的模拟实验研究[D]. 周文杰.重庆大学 2012
[5]基于时间序列分析的大型风电场功率预测方法研究[D]. 夏冬.北京交通大学 2012
[6]时间序列数据建模及其在瓦斯预测中的应用研究[D]. 李苏旺.太原理工大学 2007
[7]时间序列分析的研究与应用[D]. 汤岩.东北农业大学 2007
[8]基于时间序列分析的IP语音收入预测[D]. 王洋.吉林大学 2004
本文编号：3672660
【文章页数】：67 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题背景及研究意义
1.1.1 选题背景
1.1.2 研究目的和意义
1.2 国内外研究现状
1.2.1 时间序列分析国外研究现状
1.2.2 时间序列分析国内研究现状
1.2.3 时间序列在瓦斯浓度预测中的应用
1.3 研究内容及技术路线
1.3.1 研究内容
1.3.2 技术路线
2 时间序列分析理论基础
2.1 时间序列分析基本概念
2.1.1 时间序列与随机过程
2.1.2 均值、方差和协方差
2.1.3 随机过程的平稳性
2.2 重要的平稳随机过程
2.2.1 白噪声过程
2.2.2 滑动平均过程
2.2.3 自回归过程
2.2.4 自回归滑动平均混合过程
2.3 ARIMA模型建立步骤及方法
2.3.1 平稳化检验与处理
2.3.2 模型识别
2.3.3 参数估计
2.3.4 模型评价
2.4 GARCH模型建立步骤及方法
2.4.1 GARCH模型的识别
2.4.2 GARCH模型参数的确定
2.4.3 GARCH模型的诊断
2.5 小结
3 综采工作面瓦斯浓度预测实证研究
3.1 统计学软件R语言
3.2 瓦斯浓度ARIMA模型
3.2.1 数据来源及处理
3.2.2 模型的识别与建立
3.2.3 模型的评价
3.3 残差序列的GARCH模型
3.3.1 GARCH模型的识别
3.3.2 GARCH模型参数的确定
3.3.3 GARCH模型的诊断
3.4 瓦斯浓度预测及效果评价
3.5 小结
4 综采工作面瓦斯浓度预测的可视化
4.1 MATLAB脚本文件和GUI简介
4.2 用户可视化界面的设计
4.2.1 设计步骤及原则
4.2.2 设计过程
4.3 预测效果展示
4.4 小结
5 结论和展望
5.1 结论
5.2 展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]基于Gevers-Wouters算法的ARMA模型改进[J]. 唐欣欣,邓光明. 统计与决策. 2018(02)
[2]基于ARIMA、LS-SVM和BP神经网络组合模型的航空运输飞行事故征候预测[J]. 梁文娟,李雪艳. 安全与环境工程. 2018(01)
[3]基于ARIMA模型与神经网络模型的股价预测[J]. 陈小玲. 经济数学. 2017(04)
[4]基于GMDH混合模型的能源消费量预测研究[J]. 肖进,孙海燕,刘敦虎,曹瀚文,汪寿阳. 中国管理科学. 2017(12)
[5]基于R语言和Tableau的气象数据可视化分析[J]. 王露,杨晶晶,黄铭. 计算机与网络. 2017(24)
[6]交通事故时间序列预测模型研究[J]. 王文博,陈红,韦凌翔. 中国安全科学学报. 2016(06)
[7]基于动态神经网络的瓦斯浓度实时预测方法[J]. 张昭昭,乔俊飞,余文. 控制工程. 2016(04)
[8]我国煤炭资源供给情景分析[J]. 孟凡生,孙亚诺,刘丽. 中国能源. 2016(01)
[9]我国煤矿深部开采现状及灾害防治分析[J]. 蓝航,陈东科,毛德兵. 煤炭科学技术. 2016(01)
[10]油型气涌出矿井CH4扩散规律数值模拟[J]. 张俭让,张荃,董丁稳,陈伟. 煤炭技术. 2015(10)
博士论文
[1]时间序列分析的早期发展[D]. 聂淑媛.西北大学 2012
硕士论文
[1]基于R语言的综采工作面瓦斯浓度预测研究[D]. 加茸茸.西安科技大学 2017
[2]高维数据可视化界面交互设计研究[D]. 王俊超.东南大学 2016
[3]ARIMA与BP模型在我国居民消费价格指数的实证分析[D]. 黄树花.云南大学 2015
[4]煤与瓦斯突出影响因素的模拟实验研究[D]. 周文杰.重庆大学 2012
[5]基于时间序列分析的大型风电场功率预测方法研究[D]. 夏冬.北京交通大学 2012
[6]时间序列数据建模及其在瓦斯预测中的应用研究[D]. 李苏旺.太原理工大学 2007
[7]时间序列分析的研究与应用[D]. 汤岩.东北农业大学 2007
[8]基于时间序列分析的IP语音收入预测[D]. 王洋.吉林大学 2004
本文编号：3672660
本文链接：https://www.wllwen.com/kejilunwen/anquangongcheng/3672660.html
