基于时间序列的综采工作面瓦斯浓度预测研究

详细信息    查看全文 | 推荐本文 |

英文篇名：Study on Forecasting for Gas Concentration in Fully Mechanized Coal Face Based on Time Series Analysis 作者：张俭让 ; 马彦龙 英文作者：ZHANG Jian-rang;MA Yan-long;School of Safety Science and Engineering, Xi′an University of Science and Technology;Key Laboratory for Western Mine Exploitation and Hazards Prevention of the Ministry of Education; 关键词：时间序列分析 ; ARIMA模型 ; GARCH模型 ; 瓦斯浓度预测 ; R语言 英文关键词：time series analysis;;ARIMA model;;GARCH model;;prediction of gas concentration;;R language 中文刊名：MTJS 英文刊名：Coal Technology 机构：西安科技大学安全科学与工程学院;教育部西部矿井开采及灾害防治重点实验室; 出版日期：2019-03-10 出版单位：煤炭技术 年：2019 期：v.38;No.303 语种：中文; 页：MTJS201903039 页数：3 CN：03 ISSN：23-1393/TD 分类号：117-119

摘要

以R语言作为工具,建立ARIMA模型拟合瓦斯浓度时间序列并对拟合的残差序列建立GARCH模型,最后将ARIMA模型和GARCH模型结合起来对综采工作面瓦斯浓度进行预测并对预测效果进行评价。研究表明,利用时间序列分析方法可以对综采工作面瓦斯浓度进行精确地预测,进而为综采工作面的安全生产提供合理的决策依据。
        Using the R language as a tool, the ARIMA model is established to fit the time series of gas concentration and to establish a GARCH model for the residual sequence of fitting. Finally, the ARIMA model and the GARCH model are combined to predict the gas concentration in the fully mechanized coal mining face and evaluate the prediction effect. The research shows that using time series analysis method can accurately predict gas concentration in fully mechanized coal mining face, and provide reasonable decision-making basis for safety production in fully mechanized coal mining face.

引文

[1]冯牧.厚尾GARCH模型及部分线性可加模型的统计推断[D].合肥:中国科学技术大学,2017.
    [2]郭建利,程蕾,孙博超,等.基于ARIMA-SVM的煤炭价格预测及实证研究[J].煤炭经济研究,2016,36(2):6-10.
    [3]陈昊,万秋兰,王玉荣.基于厚尾均值广义自回归条件异方差族模型的短期风电功率预测[J].电工技术学报,2016,31(5):91-98.
    [4]赵亮.基于混沌时间序列的煤矿工作面瓦斯浓度预测研究[J].煤矿机械,2017,38(7):178-179.
    [5]王文博,陈红,韦凌翔.交通事故时间序列预测模型研究[J].中国安全科学学报,2016,26(6):52-56.
    [6]钱晓东.基于时间序列分析的风电功率预测研究[D].太原:山西大学,2015.