基于模糊信息粒化与马尔科夫修正的瓦斯浓度预测

详细信息    查看全文 | 推荐本文 |

英文篇名：Prediction of Gas Concentration Based on Fuzzy Information Granulation and Markov Correction 作者：武艳蒙 ; 邱春荣 ; 吕晓波 英文作者：WU Yan-meng;QIU Chun-rong;LYU Xiao-bo;School of Information and Control Engineering, China University of Mining and Technology; 关键词：煤矿 ; 模糊信息粒化 ; 支持向量机 ; 差分进化算法 ; 马尔科夫残差修正 英文关键词：coal mine;;fuzzy information granulation;;support vector machine;;differential evolution algorithm;;residual correction of Markov chain 中文刊名：MTJS 英文刊名：Coal Technology 机构：中国矿业大学信息与控制工程学院; 出版日期：2018-05-10 出版单位：煤炭技术 年：2018 期：v.37;No.293 基金：国家重点研发计划(2016YFC0801808) 语种：中文; 页：MTJS201805067 页数：3 CN：05 ISSN：23-1393/TD 分类号：179-181

摘要

基于模糊信息粒化对原始数据进行处理,利用支持向量机(SVM)以及差分进化算法(DE)建立预测模型,根据马尔科夫链进行残差修正,预测瓦斯浓度变化趋势。通过实验表明,该方法相较于直接对粒化数据进行SVM预测有了较大的效果提升,此外,对原始数据进行了FIG处理,实现了降维,算法运行时间得到减少,算法效率得到提升。
        The original data is processed based on fuzzy information granulation, and the support vector machine(SVM) and differential evolution algorithm(DE) are used to establish the prediction model,and the residual correction is carried out according to the Markov chain. Predict the trend of gas concentration change. Experiments show that this method has improved compared with the direct of the granulation original data,in addition,FIG treatment,achieve dimensionality reduction algorithm running time is reduced, the algorithm efficiency is improved.

引文

[1]辛元芳,姜媛媛.改进的瓦斯突出预测模型[J].煤炭技术,2014,33(10):11-13.
    [2]姚青华,邱本花.基于改进BP神经网络的矿井瓦斯浓度预测算法[J].煤炭技术,2017,36(5):182-184.
    [3]王晓路.基于模糊聚类和SVM的瓦斯涌出量预测[J].煤炭技术,2011,30(9):93-94,98.
    [4]孔平,陈亮,马晶.基于模糊信息粒化支持向量机的短期电力负荷预测[J].电力信息与通信技术,2016,14(1):11-14.
    [5]王晓路.基于蚁群算法优化SVM的瓦斯涌出量预测[J].煤炭技术,2011,30(5):81-83.
    [6]李科,朱云峰,王章国.基于差分进化算法拟合原煤可选性曲线[J].煤炭技术,2015,34(5):311-313.
    [7]栗婧,宋天宝,王亚然.基于改进无偏灰色马尔科夫模型的煤矿事故死亡人数预测[J].煤炭技术,2017,36(8):318-320.