基于时间序列的瓦斯浓度动态预测

的 B P 神 经 网 络 模 型 中 ，通 过 B P 神 经 网 络 模 型 对 预 测 结 果 进 行 修 正 ，从 而 获 得 最 终 的 瓦 斯 浓 度 预 测 值 。测
试 结 果 表 明 ，该 方 法 可 对 矿 井 瓦 斯 浓 度 进 行 准 确 预 测 ，瓦 斯 体 积 分 数 预 测 平 均 相 对 误 差 从 8 % 降低到了 5 % 。
而 导 致 预 测 结 果 不 具 有 及 时 性 。针 对 该 问 题 ，提 出 了 一 种 基 于 时 间 序 列 的 瓦 斯 浓 度 动 态 预 测 方 法 。利用小
波 分 解 技 术 的 多 分 辨 率 特 性 ，将 瓦 斯 浓 度 时 间 序 列 分 解 到 不 同 尺 度 上 ，使 时 间 序 列 平 稳 化 ；通 过 实时 动态 构
time by use of gas conce
in the past time, so as to obtain time series prediction results. Finally, in order to improve the accuracy of
the gas concentration prediction, the prediction results of the A R M A model and mine environment
smooth. Then it adopts auto regressive and moving average(A R M A ) model constructed by rea--time and
dynamic data to predict
mine gas concentration in the future
parameters are input into the trained BP neural network model, and the prediction results are corrected by
the BP neural network model, so as to obtain final gas concentration prediction value. The test results
prediction, could
not update with accumulation of
gas data, as a result, the p
timeliness. In view of the
above problem, a dynam
建 的 自 回 归 滑 动 平 均 （A R M A )模 型 ，利 用 过 去 瓦 斯 浓 度 变 化 趋 势 预 测 未 来 一 段 时 间 的 矿 井 瓦 斯 浓 度 值 ，得
到 时 间 序 列 预 测 结 果 ；为 提 高 瓦 斯 浓 度 预 测 精 度 ，将 A R M A 模 型 的 预 测 结 果 与 矿 井 环 境 参 数 输 入 到 训 练 好
show that the method can accurately predict the mine gas concentration, and the avera
gas concentration prediction is reduced from 8 % to 5 % .
Key words：mine gas concentration prediction；dynamic prediction of gas concentration；time series;
基于时间序列的瓦斯浓度动态预测
郭 思 雯 ， 陶 玉 帆 ， 李超
(中国矿业大学(北京）机 电 与 信 息 工 程 学 院 ，北 京 100083)
摘 要 ：现 有 瓦 斯 浓 度 预 测 方 法 只 能 实 现 瓦 斯 浓 度 的 静 态 预 测 ，不 能 随 着 瓦 斯 数 据 的 累 积 而 及 时 更 新 ，从
关 键 词 ：矿 井 瓦 斯 浓 度 预 测 ；瓦斯浓度动态预测％时间序列％小波分解％自回归滑动平均模型％ B P 神经
网终
中图分类号:TD 712
文献标志码：A
网 络 出 版 地 址 ：Lttp:///kcms/detail/32. 1627. T P .20180725. 1519. 001. html
Dynamic prediction of gas concentration based on time series
GUO Siwen, TAO Y u fan , LI Chao (School of Mechanical Electronic and Information Engineering, China University of
第 44卷 第 "期 2018年 9 月
工矿自动化
Industry and Mine Automation
Vol. 44 No. 9 Sep. 2018
文 章 编 号 ！671-251X (2018)09-0020-06
D O I：10. 13272/j .issn.1671-251x.2018040051
series was proposed. F irstly , the method uses multi-resolution characteristic of wavelet decomposition
technique to decompose the gas concentration time series to different scales to make the time series
Mining and Technology(Beijing) , Beijing 100083, China)
Abstract ：Existing gas concentration prediction methods could only achieve static gas concentration