基于iabc-rbf算法和小波分析的瓦斯时间序列优化预测

基于iabc-rbf算法和小波分析的瓦斯时间序列优化预测

ID:34870759

大小:7.71 MB

页数:73页

时间:2019-03-12

基于iabc-rbf算法和小波分析的瓦斯时间序列优化预测_第1页
基于iabc-rbf算法和小波分析的瓦斯时间序列优化预测_第2页
基于iabc-rbf算法和小波分析的瓦斯时间序列优化预测_第3页
基于iabc-rbf算法和小波分析的瓦斯时间序列优化预测_第4页
基于iabc-rbf算法和小波分析的瓦斯时间序列优化预测_第5页
资源描述:

《基于iabc-rbf算法和小波分析的瓦斯时间序列优化预测》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、—1.-;J'"Js马雜逐巧工程觀巧游言硕:t学位论文/.'蓋无.iAg?i邮L篡法掘坐嚴分祇煎赢觀抽闻庸烈傲化预湿括龄cSgri钱p皆町i罢诚咕町P成诚。P.巧巧..iQ..牌..P.齡的..轴..!4.巧^7取书.朽^?5A)[掛?r站.晒或口d鮮a.i..y討蘇Ap站巧j.?.击片I"作者姓名刘利强i.指导教师彭晓华教授-?-??,,,''.'工程领域控i璋■1,:對;;.......

2、..r.'乂-.^分护?.,K1^.:眾;..''.'-烏^一3■:c"f?‘,'^、—、.—0五年六月/,■■‘',-t'一■-:,—.心*-关于论文使用授权的说明本学位论文作者及指导教师完全了解江宁工程技术大学有关保留、使用学位论文的规定,同意江宁工程技术大学保留并向国家有关部n或レ机构送交论文的复印件和磁盘,允许论文被查阅和借阅,学校可ッ将学位论文的全部或部分内容编入有关数据库进行检索,可采用影印、缩印或扫描等复制手段保存

3、、汇编本学位论文。保密的学位论文在解密后应遵守此协议乏'遂巧、学位论文作者签名:导师签名:带年月日年月日分类号10147TP183学校代码密级公开UDC622硕±学位论文-RBF基于IABC算法和小波分析的瓦斯时间序列优化预测GasTimeSeriesOptimizationPredictionBasedon*-oanIABCRBFAlikhmdWaveletAnalysisg作者姓名竭.刘利指导教师..華擇.萃避华

4、申请学位X焉码击工程领域X名苹!趕研究方向驾聲玲挪与窜哮诊巧迁宁工程技术大学致谢时光甚巧,,,光阴似箭转眼两年的研究生生涯快要结束了,感谢这两年内帮助过我指导过我学业的所有老师和同学们,有他们在,我才能走地如此从容。本论文的完成离不开我的导师彭晓华教授的严格要求和细也指导。从最初的论文选题到定期检查论文进度,从发现论文中的问题到提出许多新颖并具有创新性的思路和修改意见,都让我拓宽了视野,学会了从不同的角度去分析问题。彭老师认真严谨的态度和平易近人的性格深深地印

5、在我的脑海里,感谢彭晓华教授这两年来的辛劳和默默地付出。感谢矿业技术学院和萬可亲的彭化副教授两年内带给了我舒适安逸的学习环境;感谢矿业技术学院副院长陈长华教授对我论文中煤矿瓦斯工艺流程部分的指导;感谢电气与控制工程学院刘志德讲师对我专业知识的培养;感谢付华教授、徐耀松副教授、谢国明副教授提供了许多珍贵的写作思路。感谢资助本论文的国家自然科学基金项目:煤矿瓦斯突出:51274118。感灾害动态辨识与预测基础理论研究,批准号谢411实验室的师兄师弟师妹3-4班的兄弟姐妹的勉励和照顾给予我的关屯和

6、帮助,感谢电控1。从他们身上,让我收获了很多宝贵的知识和做人的道理。感谢我的父母对我学业的支持。感谢答辩组的专家老师们。摘要我国煤矿是W地下开采为主。随着我国煤炭开采正趋于深度开采,瓦斯事故更是易于发生。准确地预测瓦斯涌出量,是预防瓦斯事故的有效途径。针对传统矿井瓦斯涌出量预测精度不高且仅适用于特定矿区这一问题,本文提出一种新的预测方法,即通过对历史瓦斯时间序列分析进行瓦斯时间序列的优化预测。首先,在验证瓦斯时间序列具有混浊性后,采用混浊理论中的两种经典线性预测方法进行瓦斯

7、时间序列预测,仿真得到短期预测中,最大Lyapunov指数法预测-精度较高,针对瓦,民BF酒合;其次斯时间序列的动态非线性特点提出基于IABC算法的非线性瓦斯时间序列预测方法,仿真验证表明,该縄合算法既有IABC算法的全局优化和快速收敛,又继承了RBF神经网络的非线性映射能力。模型输出值较快地逼近实际值,最小预测误差达到0.0373;最后,对瓦斯时间序列进行去噪非线性预测--,通过甄别小波分析中的H个最优参数,构建小波IABCRBF算法进行瓦斯时间序列预测-,通过对比仿真,验证出该算法的预

8、测精度优于IABCRBF算法。关键词aunov指数预测法-:瓦斯时间序列;最大LIABCRBF锅合算法小yp;;波分析小波-ABC-IRBF算法;--IAbstractanonunderroofmnentratcoaMilundminincoaliiourcounlonwi化ourcounrlyggy,gym

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。