基于分态的煤矿瓦斯浓度预测模型的研究

摘要：

由于影响瓦斯浓度变化的因素很多且内部关系复杂，传统的单一预测模型无法客观准确地反映其变化规律，导致预测精度较低。为有效提高瓦斯浓度预测精度，提出一种基于分态的预测模型。应用最大李雅普诺夫指数（Lyapunov指数）对瓦斯浓度时间序列的混沌特性进行识别，将其分为非混沌态和混沌态，接着分别采用改进的最小二乘支持向量机（LS-SVM）和基于径向基函数（Radial Basis Function，RBF）的神经网络进行建模和训练参数的优化，最终得到最佳预测模型并对瓦斯浓度时间序列进行预测。结果表明，分态预测模型有效提高了预测精度，降低了预测误差，用该方法可以更加客观准确地对瓦斯浓度进行预测。

关键词：分态预测、相空间重构、混沌和非混沌、支持向量机、神经网络

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金No.51174263。

在线出版日期：2014-10-31（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：233-238,243