时间序列模型在工作面涌水量预测中的应用

发布时间：2022-08-10 12:42

　　在矿山实际生产过程中,涌水量预测对于矿山防治水具有重要意义。以山东郓城煤矿1301工作面为研究对象,先不考虑季节性因素影响的条件下,采用时间序列分析模型ARIMA建立涌水量与时间的函数关系,迭代拟合结果精度低,表明郓城煤矿1301工作面涌水量时间序列受季节性因素影响;在此基础上,基于时间序列加法分解原理,分离提取涌水量时间序列中的长期趋势、季节指数、循环因子和随机变动参数,并应用熵权法确定各参数权重,建立工作面涌水量预测的非线性回归修正模型,并将模拟预测结果与忽略季节效应的ARIMA模型预测的涌水量进行对比,结果表明,建立的非线性时间序列模型计算的涌水量更为接近实测涌水量,验证了方法的准确性。研究成果将为矿井涌水量预测提供新思路。 

【文章页数】：9 页

【文章目录】：
1 研究区概况
2 理论基础
    2.1 时间序列分析模型
        2.1.1 ARIMA模型
        2.1.2 加法分解模型
    2.2 熵权法
    2.3 非线性回归分析模型
3 工程实践应用
    3.1 数据来源
    3.2 时间序列ARIMA模型建立
        3.2.1 涌水量数据平稳化处理
        3.2.2 ARIMA模型参数确定及残差检验
        3.2.3 涌水量预测
    3.3 时间序列加法分解模型建立
        3.3.1 趋势-循环因子(T-C)的提取
        3.3.2 季节变动(S)的提取
        3.3.3随机变动(I)的提取
        3.3.4 熵权权重的确定
        3.3.5 多元非线性回归方程建立
    3.4 误差分析
4 结论


【参考文献】：
期刊论文
[1]基于ARIMA模型的短时交通流预测研究[J]. 刘学刚,张腾飞,韩印.  物流科技. 2019(12)
[2]综采工作面瓦斯数据时间序列预测方法研究[J]. 赵美成,贺安民,屈世甲.  工矿自动化. 2019(06)
[3]煤炭开采对干旱半干旱地区地下水资源的影响[J]. 罗安昆,李瑾,杨建,刘基,王强民.  煤矿安全. 2018(12)
[4]基于多元非线性回归分析的露天煤矿涌水量预测[J]. 何保,李振南,赵世杰.  煤炭科学技术. 2018(05)
[5]一种基于多层次分析和熵权的灰色聚类评价方法[J]. 李志亮,罗芳,张天津.  延边大学学报(自然科学版). 2017(04)
[6]基于可拓模型判别矿井突水水源[J]. 胡友彪,邢世平,张淑莹.  安徽理工大学学报(自然科学版). 2017(06)
[7]基于ARIMA乘积季节模型的矿井涌水量预测研究[J]. 王猛,殷博超,张凯歌,兰天伟,邱占伟,孙尚旭.  煤炭科学技术. 2017(11)
[8]矿井涌水量的时间序列分析-水文地质比拟法预测[J]. 苗霖田,贺晓浪,张建军,孙魁.  中国煤炭. 2017(03)
[9]基于EW-FAHP的煤层底板承压水突水危险评价[J]. 潘国营,杜鹏卓,陈国胜.  水文地质工程地质. 2017(01)
[10]基于时间序列的变形监测数据处理方法比较研究[J]. 池其才,周世健,王奉伟.  测绘与空间地理信息. 2015(07)

博士论文
[1]时间序列的结构变化和单位根检验[D]. 于寄语.华中科技大学 2017

硕士论文
[1]矿坑涌水量预测结果的风险率估算模型研究[D]. 类超.合肥工业大学 2018
[2]基于FAHP-EWM的煤层底板突水脆弱性评价[D]. 秦永泰.河南理工大学 2016
[3]预测矿井涌水量的时间序列和BP神经网络耦合模型研究[D]. 王佩璐.河南理工大学 2012
[4]二代小波变换在地震信号降噪技术中的应用[D]. 王海波.东北石油大学 2011



本文编号：3673659