基于Python的瓦斯浓度ARIMA预测模型构建及其应用

摘要：

针对矿井瓦斯浓度预测研究现状,提出一种基于Python的瓦斯浓度时间序列预测方法.该方法采集、处理了矿井瓦斯浓度历史数据,形成适用于数据挖掘的平稳时间序列;基于该序列,调用Python自带的ARIMA模块函数,构建瓦斯浓度预测模型;利用建立的预测模型对瓦斯浓度进行预测,并对比分析瓦斯浓度历史数据与预测数据的误差大小,进行模型预测效果评价;最后,利用满足精度要求的预测模型,预测瓦斯浓度变化趋势.以贵州某矿为例,采集2018年3月5日至2018年3月7日的瓦斯数据作为样本数据,并调用Python的ARIMA模块建立预测模型,开展瓦斯浓度预测研究.结果 表明,该方法实现了瓦斯浓度预测的可视化,并使瓦斯浓度预测均方根误差低为2.34％,预测精度较高,可为降低矿井瓦斯事故提供一定的技术支撑.

关键词：矿井瓦斯浓度预测、时间序列、Python语言、ARIMA

所属期刊栏目：17

分类号：TD712(矿山安全与劳动保护)

资助基金：河北省高等学校科学研究计划资助项目;贵州省科技计划资助项目;贵州省优秀青年科技人才培养计划资助项目

在线出版日期：2020-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：23-28,49