基于非线性自回归模型的矿井粉尘浓度预测

摘要：

为预测矿井开采时所产生粉尘的浓度与时间关系,保障井下人员身安全.采用时间序列与神经网络相结合的外因输入非线性自回归模型(NARX模型)来对粉尘的浓度进行预测,该模型主要用于处理时序型数据,能够通过给不同时段的输入之间建立联系,避免传统模型预测时面对的影响因素多、数据收集困难等问题,并与时间序列模型、神经网络模型进行比较.结果表明,外因输入非线性自回归模型对粉尘浓度预测具有较好的性能,预测函数的误差低至3.8％,均化误差仅有2.2,平稳R方也达到了0.9以上.

关键词：粉尘浓度;神经网络;时间序列;非线性自回归模型

所属期刊栏目：43

分类号：TD714(矿山安全与劳动保护)

资助基金：河北省博士研究生创新资助项目CXZZBS2021102

在线出版日期：2021-10-28（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：127-133