摘要：矿井瓦斯浓度监测是瓦斯事故最直接有效的防控手段之一,为提高监测信息的利用效率,提出了一种瓦斯浓度Lagrange-ARIMA实时预测模型。首先应用拉伊达准则实现瓦斯浓度监测缺失值构建,其次采用滑动Lagrange插值方法进行缺失值预测,最后基于自回归差分移动平均模型(ARIMA)序贯学习,依据L1范数最小化原则,确定出Lagrange-ARIMA序贯学习窗口合适尺度,进行瓦斯浓度实时预测。实例仿真显示:Lagrange-ARIMA实时预测模型处理瓦斯浓度时间序列缺失值平均误差为1.397%,当序贯学习窗口尺度为85时,预测的瓦斯浓度序列平均绝对误差(MAE)为 0.011 8 。相比传统ARIMA静态学习模型,建立的Lagrange-ARIMA模型学习窗口尺度降低了 90.3 %,建模复杂度显著降低,MAE降低了16.3%,预测精度能满足现场需求。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社