基于小波分析的GM(1,1)模型在瓦斯浓度预测分析中的应用.pdf

《基于小波分析的GM(1,1)模型在瓦斯浓度预测分析中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2015年第6期工业仪表与自动化装置·63·基于小波分析的GM(1，1)模型在瓦斯浓度预测分析中的应用文晖(兰州石化职业技术学院信息处理与控制工程系，兰州730060)摘要：针对含噪声的煤矿瓦斯浓度时间序列，传统静态灰色GM(1，1)预测模型容易受到随机干扰影响致使预测精度不高的问题，建立了基于小波消噪技术的动态等维灰色理论预测模型，并以新信息优先设置模型初始值，克服了传统静态灰色理论模型在预测过程中不考虑未来因素对系统影响的缺陷。实例分析表明，文章建立的消噪动态灰色模型预测效果远优于传统静态灰

2、色模型，预测结果更优，精度更高。关键词：瓦斯浓度时间序列；预测；噪声；小波分析；动态等维；灰色模型中图分类号：0231文献标志码：A文章编号；1000—0682(2015)06—0063—04ApplicationofGM(1，1)modelbasedonwaveletanalysisingasconcentrationpredictionanalysisWENHui(DepartmentofInformationProcessingandControlEngineering，LanzhouPe

3、trochemicalCollegeofVocationalTechnology，Lanzhou730060，China)Abstract：Accordingtothetimesequenceofcoalminegasconcentrationwithnoise，thetraditionalstaticgreyGM(1，1)predictionmodeliseasilyaffectedbytherandomdisturbanceresultingpredictionaccuracyisnothi

4、gh．Toestablishdynamicequaldimensionalthegreytheorypredictionmodelbasedonwaveletdenoisingtechnique，andwithnewinformationprioritysettinginitialvalueofthemodel，toover-comethetraditionalstaticgraytheorymodeldoesnotconsiderthefutureimpactonthesystemdefect

5、fac-torsinthepredictionprocess．Exampleanalysisshowsthattheestablisheddynamicgreymodeltoforecastthede—noisingeffectismuchbetterthanthetraditionalstaticgraymodel，predictionresultsbetter，high—eraccuracy·Keywords：gasconcentrationtimeseries；prediction；noi

6、se；waveletanalysis；dynamicequaldi-mensional；greymodel重要保障。煤矿井下瓦斯浓度时间序列因受地质O引言构造、煤层厚度、埋藏深度、工作面风量、煤层瓦斯煤矿瓦斯浓度是煤矿安全监测的重要指标之抽放量等因素的影响，呈现出非线性、非平稳特性一和自相关性¨，是一个随时间变化而动态发展的，对其进行及时准确地预测关乎着煤炭开采、矿工生命财产、煤矿安全管理，也是煤矿安全生产的过程，且测量数据存在着噪声。噪声的存在淹没了瓦斯浓度序列的真实变化特性。用具有噪声的收稿

7、日期：2015—02—09瓦斯浓度序列进行分析计算和推估模型参数，不基金项目：甘肃省科技厅项目“石油化工企业应急演练系统”能真实反映瓦斯浓度系统的本质，因而需要对瓦(1204GKCA004)；甘肃省财政厅专项资金立项资助(甘财教[2013]斯浓度序列进行消噪处理。噪声往往是高频的，116号)作者简介：文晖(1971)，男，甘肃庆阳人，硕士，副教授，主要从而有用信息是低频的。灰色模型是一种在贫息情事智能算法、数值计算和控制理论与应用方面的研究。况下能够对系统时间序列进行拟合预测的方法，·64·工业

8、仪表与自动化装置2015年第6期但对于含噪且起伏较大的数据，拟合精度较低。则白化方程的解(也称离散时间响应函数)为：小波分析具有良好的时频域局部特性，通过小波(’(+1)：[(。(1)一]e+变换对数据(信号)按不同频率成分进行分解，为“U数据信号滤波，从含噪声的序列中提取接近真实(=1，2，⋯，Ⅳ)(3)根据新信息优先原理，以‘’(Ⅳ)为初始条情况的有用信号，使数据得到平滑和尽可能平稳。件，将式(3)改进成式(4)：然后用小波滤波值建立灰色GM(1，1)模型，并对建模以外的其他时间序列数据进行