基于混沌时间序列的瓦斯浓度预测研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (10): 244-248.

• 工程与应用 • 上一篇

基于混沌时间序列的瓦斯浓度预测研究

张宝燕1，2，李茹2，3，穆文瑜2

1.晋中学院计算机科学与技术学院，山西晋中 030600
2.山西大学计算机与信息技术学院，太原 030006
3.山西大学计算智能与中文信息处理教育部重点实验室，太原 030006

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-04-01 发布日期:2011-04-01

Study on gas concentration prediction based on chaotic time series

ZHANG Baoyan1，2，LI Ru2，3，MU Wenyu2

1.College of Computer Science and Technology，Jinzhong University，Jinzhong，Shanxi 030600，China
2.School of Computer & Information Technology，Shanxi University，Taiyuan 030006，China
3.Key Lab of Computational Intelligence and Chinese Information Processing of MOE，Shanxi University，Taiyuan 030006，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-04-01 Published:2011-04-01

摘要/Abstract

摘要： 近年来各种矿难频发，特别是瓦斯事故时见于报端。瓦斯事故通常伴随着较高的瓦斯浓度，因此，预测未来时刻的瓦斯浓度是预测瓦斯事故的有效手段，对煤矿的安全生产具有十分重要的意义。对混沌理论中的C-C方法进行简化，并用这种方法对5大煤矿的瓦斯浓度监测数据构成的时间序列进行相空间重构，依据数据的实际情况确定其最佳时延和嵌入维，然后用加权一阶局域法对下一时刻的瓦斯浓度进行预测。实验结果表明瓦斯浓度时间序列具有明显的混沌特性，且当时间序列长度为500时，计算量适中且预测结果较优，对500个异常瓦斯浓度预测的均方误差达到0.122 024，从而可用于瓦斯事故的预测，为煤矿及时采取通风等措施提供决策依据。

关键词: 瓦斯浓度时间序列, 混沌, 相空间重构

Abstract: In recent years，mine disasters are occuring frequently，especially gas accidents which are often reported in newspapers.Gas accidents are usually accompanied by a high concentration of the gas，so gas concentration predicting of the future moment is an effective means of gas accident forecasting and has very important significance to production safety in coal mines.This paper simplifies C-C method on chaos theory，and reconstructs phase space using time series of gas concentration values by monitoring from five coal mines.The paper chooses an appropriate value for the delay time and the embedding dimension according to the real values of gas concentration，and then forecasts the gas concentration of the next moment using weight one-rank local-region method.The experimental results show time series?of gas concentration have obviously the chaotic property.The results also show moderate calculation and better forecast results when the length of time series is 500.The mean square error of forecast results of 100 abnormal gas concentration values is 0.122 024，thus the method can be used for the prediction of gas accidents and provide basis for decision making in coal mines，for example，taking measures such as ventilationin in a timely manner.

Key words: time series of gas concentration, chaos, reconstruct phase space

张宝燕1，2，李茹2，3，穆文瑜2. 基于混沌时间序列的瓦斯浓度预测研究[J]. 计算机工程与应用, 2011, 47(10): 244-248.

ZHANG Baoyan1，2，LI Ru2，3，MU Wenyu2. Study on gas concentration prediction based on chaotic time series[J]. Computer Engineering and Applications, 2011, 47(10): 244-248.

[1]	王海瑞，鲜于建川. 改进麻雀搜索算法在分布式电源配置中的应用[J]. 计算机工程与应用, 2021, 57(20): 245-252.
[2]	廖列法，杨红. 天牛须搜索算法研究综述[J]. 计算机工程与应用, 2021, 57(12): 54-64.
[3]	李宏伟，陈亮，白景波. 基于CMFO算法的投影寻踪威胁目标评估模型[J]. 计算机工程与应用, 2020, 56(2): 152-157.
[4]	陈忠云，张达敏，辛梓芸，张绘娟，闫威. 混沌精英质心拉伸机制的樽海鞘群算法[J]. 计算机工程与应用, 2020, 56(10): 44-50.
[5]	邵良杉，李臣浩. 基于改进花粉算法的极限学习机分类模型[J]. 计算机工程与应用, 2020, 56(1): 172-179.
[6]	朱淑芹，刘荣月，周冉冉，王文宏. 密钥动态选择机制的图像加密算法[J]. 计算机工程与应用, 2019, 55(9): 56-64.
[7]	王勇，方小强，王瑛. 超混沌系统和AES结合的图像加密算法[J]. 计算机工程与应用, 2019, 55(8): 164-170.
[8]	冯建新1，2，李慧1，2，刘治国1，2. 新型火焰颜色空间——IFCS[J]. 计算机工程与应用, 2019, 55(5): 203-210.
[9]	刘明霞1，游晓明1，刘升2. 基于聚度的自适应动态混沌蚁群算法[J]. 计算机工程与应用, 2019, 55(3): 15-22.
[10]	黄宇达1，王迤冉2，牛四杰3. 基于混沌和自适应搜索策略的GSO算法分析与优化[J]. 计算机工程与应用, 2019, 55(3): 147-153.
[11]	蔡延光1，戚远航1，蔡颢1，2，陈厚仁1，OLE Hejlesen2. 物流运输调度问题的混沌烟花算法——基于多车型供应链[J]. 计算机工程与应用, 2019, 55(3): 238-244.
[12]	陈杰，张文栋，苏琳琳，桑胜波. 基于Lyapunov稳定性及CPSO的航天器姿轨控制[J]. 计算机工程与应用, 2019, 55(24): 229-234.
[13]	王勇，杨锦，王瑛. 改进Henon超混沌系统与AES结合的图像加密算法[J]. 计算机工程与应用, 2019, 55(22): 180-186.
[14]	贺智明，李文静. 基于动态全局搜索和柯西变异的花授粉算法[J]. 计算机工程与应用, 2019, 55(19): 74-80.
[15]	汤深伟，贾瑞玉. 基于改进粒子群算法的[k]均值聚类算法[J]. 计算机工程与应用, 2019, 55(18): 140-145.

基于混沌时间序列的瓦斯浓度预测研究

Study on gas concentration prediction based on chaotic time series

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics