一种非平稳过程粉尘浓度预测方法技术

本发明专利技术涉及一种非平稳过程粉尘浓度预测方法，属于矿山粉尘预测领域。该方法包括以下步骤：S1：记录一段时间内粉尘浓度随时间的变化值C(t)；S2：利用变分模式分解法对C(t)进行分解，得到粉尘浓度随时间沉积趋势值、粉尘浓度随矿井工作状态周期变化值及具有平稳过程的粉尘浓度随时间波动值；S3：分别对粉尘浓度随时间沉积趋势值、粉尘浓度随矿井工作状态周期变化值及具有平稳过程的粉尘浓度随时间波动值进行预测，最终预测粉尘浓度。最终预测粉尘浓度。最终预测粉尘浓度。

【技术实现步骤摘要】
一种非平稳过程粉尘浓度预测方法


[0001]本专利技术属于矿山粉尘预测领域，涉及一种非平稳过程粉尘浓度预测方法。

技术介绍

[0002]粉尘主动控制技术是矿井职业危害防治的重要组成部分，而科学有依据的粉尘主动控制技术需依赖于具有高可靠性的粉尘浓度预测技术。
[0003]矿井粉尘浓度受矿井工作状态、生产工艺参数、粉尘颗粒沉降特性、接尘点位置、温度、湿度等多方面因素影响，考虑到多参数预测模型计算量庞大且过于复杂难以建立，目前主流的预测方法为仅将时间变量作为单变量来对粉尘浓度进行预测，然而常用的基于概率统计或时间预测序列的预测方法均要求用于预测的历史数据为统计学意义上的平稳过程，对于矿井粉尘而言，由于受矿井生产机械工作状态及粉尘沉降特性的影响，其浓度值在长时间范围内具有趋势性及部分周期性，呈现为统计学意义上的非平稳过程，因此常用的时序预测方法难以满足矿井粉尘预测需求。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种非平稳过程粉尘浓度预测方法，来解决传统预测方法无法准确预测矿井粉尘浓度的问题；具有以下优点：模型对历史数据拟合精度高，后检验差比值小于0.35，模型预测精度高，相对误差小于5％。
[0005]为达到上述目的，本专利技术提供如下技术方案：
[0006]一种非平稳过程粉尘浓度预测方法，该方法包括以下步骤：
[0007]S1：记录一段时间内粉尘浓度随时间的变化值C(t),t＝t1,t2...t
n
；
[0008]S2：利用变分模式分解法对C(t)进行分解，得到粉尘浓度随时间沉积趋势值C
trend
(t)、粉尘浓度随矿井工作状态周期变化值C
seasonal
(t)及具有平稳过程的粉尘浓度随时间波动值 C
resid
(t)，粉尘浓度C(t)＝C
trend
(t)+C
seasonal
(t)+C
resid
(t)；
[0009]S3：分别对C
trend
(t)、C
seasonal
(t)、C
resid
(t)进行预测，最终预测粉尘浓度为 C
predict
(t')＝C
trend
‑
predict
(t')+C
seasonal
‑
predict
(t')+C
resid
‑
predict
(t'),t'＝t
n+1
,t
n+2
,...,t
n+m
。
[0010]可选的，所述S3具体为：
[0011]利用灰色预测法对粉尘浓度随时间沉积趋势值C
trend
(t)进行预测，得到C
trend
‑
predict
(t')；
[0012](1)建立灰色模型；
[0013]C
trend
‑
predict
(t)的累加序列为根据灰色模型理论， C
trend
‑
predict(1)
(t)满足方程微分方程：
[0014][0015]其中，θ为发展灰数，χ为内生控制灰数；
[0016]对微分方程求解得：
[0017][0018]对C
trend
‑
predict(1)
(t)进行逆生还原得：
[0019]C
trend
‑
predict
(t
n+m
)＝C
trend(1)
(t
n+m
)
‑
C
trend(1)
(t
n+m
‑1)
[0020](2)利用已知数据求解θ，χ；
[0021]由于t为离散时间序列，故写为：
[0022][0023]为提高模型拟合与预测精度，θ，χ的取值原则为：令C
trend
‑
predict
(t)的值在已知时间序列中逼近C
trend
(t)；在求解过程中令同时将项 C
trend
‑
predict(1)
(t)修正为均值生成序列：
[0024][0025]则微分方程写为：
[0026]C
trend
(t)+θZ
trend(1)
(t)＝χ
[0027]利用最小二乘法求得：
[0028][0029]其中：
[0030][0031]可选的，所述S3具体为：
[0032]利用三次指数平滑算法，即Holter
‑
Winter法对粉尘浓度随矿井工作状态周期变化值 C
seasonal
(t)进行预测，得到C
seasonal
‑
predict
(t')；
[0033]C
trend
‑
predict
(t
n+m
)＝(1
‑
κ)[A(t
n
)+B(t
n
)(t
n+m
‑
t
n
)+S(t
n+m
‑
T+1+mod((t
n+m
‑
t
n
)/T))]其中T 为C
seasonal
(t)变化周期，A(t
n
)为一次平滑值，B(t
n
)为二次平滑值，S(t
n
)为三次平滑值，计算公式如下：
[0034]A(t
n
)＝α'(C
trend
(t
n
)
‑
S(t
n
‑
T))+(1
‑
α')(A(t
n
‑1)+B(t
n
‑1))
[0035]B(t
n
)＝β(A(t
n
)
‑
A(t
n
‑1))+(1
‑
β)B(t
n
‑1)
[0036]S(t
n
)＝γ(C
trend
(t
n
)
‑
A(t
n
‑1)
‑
B(t
n
‑1))+(1
‑
γ)S(t
n
‑
T)
[0037]其中α'、β、γ为平滑系数，利用K
‑
Fold交叉验证法以RMSE最小化准则求得；
[0038](1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非平稳过程粉尘浓度预测方法，其特征在于：该方法包括以下步骤：S1：记录一段时间内粉尘浓度随时间变化值C(t),t＝t1,t2...t
n
；n为记录阶段包含时刻总数量，t
n
为第n个时刻对应时间；S2：利用变分模式分解法对C(t)进行分解，得到粉尘浓度随时间沉积趋势值C
trend
(t)、粉尘浓度随矿井工作状态周期变化值C
seasonal
(t)及具有平稳过程的粉尘浓度随时间波动值C
resid
(t)，粉尘浓度随时间变化值C(t)＝C
trend
(t)+C
seasonal
(t)+C
resid
(t)；S3：分别对C
trend
(t)、C
seasonal
(t)、C
resid
(t)进行预测，最终预测粉尘浓度为C
predict
(t')＝C
trend
‑
predict
(t')+C
seasonal
‑
predict
(t')+C
resid
‑
predict
(t'),t'＝t
n+1
,t
n+2
,...,t
n+m
；t
’
为需进行粉尘浓度预测的时刻，m为需要向后预测的时间段内包含时刻总数量，t
n+m
为第n+m个时刻对应时间。2.根据权利要求1所述的一种非平稳过程粉尘浓度预测方法，其特征在于：所述S3具体为：利用灰色预测法对粉尘浓度随时间沉积趋势值C
trend
(t)进行预测，得到C
trend
‑
predict
(t')；(1)建立灰色模型；C
trend
‑
predict
(t)的累加序列为t
k
表示第k个时刻；根据灰色模型理论，C
trend
‑
predict(1)
(t)满足方程微分方程：其中，θ为发展灰数，χ为内生控制灰数；对微分方程求解得：对C
trend
‑
predict(1)
(t)进行逆生还原得：C
trend
‑
predict
(t
n+m
)＝C
trend(1)
(t
n+m
)
‑
C
trend(1)
(t
n+m
‑1)(2)利用已知数据求解θ和χ；由于t为离散时间序列，故写为：为提高模型拟合与预测精度，θ,χ的取值原则为：令C
trend
‑
predict
(t)的值在已知时间序列中逼近C
trend
(t)；在求解过程中令同时将项C
trend
‑
predict(1)
(t)修正为均值生成序列：
则微分方程写为：C
trend
(t)+θZ
trend(1)
(t)＝χ利用最小二乘法求得：其中：3.根据权利要求1所述的一种非平稳过程粉尘浓度预测方法，其特征在于：所述S3具体为：利用三次指数平滑算法，即Holter
‑
Winter法对粉尘浓度随矿井工作状态周期变化值C
seasonal
(t)进行预测，得到C
seasonal
‑
predict
(t')；C
trend
‑
predict
(t
n+m
)＝(1
‑
κ)[A(t
n
)+B(t
n
)(t
n+m
‑
t
n
)+S(t
n+m
‑
T+1+mod((t
n+m
‑
t
n
)/T))]其中T为C
seasonal
(t)变化周期，A(t
n
)为一次平滑值，B(t
n
)为二次平滑值，S(t
n
)为三次平滑值，计算公式如下：A(t
n
)＝α'(C
trend
(t
n
)
‑
S(t
n
‑
T))+(1
‑
α')(A(t
n
‑1)+B(t
n
‑1))B(t
n
)＝β(A(t
n
)
‑
A(t
n
‑1))+(1
‑

【专利技术属性】
技术研发人员：邓勤，吴付祥，惠立锋，赵政，张强，陈建阁，晏丹，李征真，杨亚会，李彦筑，王宇廷，罗小博，焦敏，
申请(专利权)人：中煤科工集团重庆研究院有限公司，
类型：发明
国别省市：