預(yù)測礦井涌水量的時間序列和BP神經(jīng)網(wǎng)絡(luò)耦合模型研究.pdf

1、礦井涌水量的預(yù)測是每個礦區(qū)生產(chǎn)建設(shè)必須要面對和回答的問題,是礦井建設(shè)和安全生產(chǎn)的基礎(chǔ)性工作。神經(jīng)網(wǎng)絡(luò)和時間序列模型是兩種重要的礦井涌水量預(yù)測模型,但在實際應(yīng)用中仍存在一定的局限性。為了提高模型的適用性和預(yù)測精度,本文構(gòu)造了一個包含長期趨勢和周期項的理想時間序列函數(shù),分別用BP神經(jīng)網(wǎng)絡(luò)和時間序列模型對其函數(shù)值進(jìn)行擬合和預(yù)測,預(yù)測的相對誤差分別為5.82％和3.40%。通過分析兩種預(yù)測模型的優(yōu)點和不足,提出了建立時間序列和BP神經(jīng)網(wǎng)絡(luò)耦合模

2、型來提高模型適用性和預(yù)測精度的方法。分析了耦合模型的組合方法并建立了時間序列和BP神經(jīng)網(wǎng)絡(luò)串聯(lián)的耦合模型。通過時間序列乘法分解模型對涌水量時間序列中的長期趨勢、周期項、季節(jié)變動和不規(guī)則變動項進(jìn)行分解和提取,采用趨勢外推法擬合并預(yù)測長期趨勢,采用季節(jié)平均法計算季節(jié)變動值,采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測不規(guī)則變動項。當(dāng)周期項較明顯時采用傅里葉級數(shù)逼近進(jìn)行擬合預(yù)測,周期特征不明顯時采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測。根據(jù)相應(yīng)預(yù)測方法的實現(xiàn)原理,以及函數(shù)和參數(shù)的選