ARIMA-SVM组合模型驱动下的瓦斯浓度预测研究

作者

范京道黄玉鑫闫振国李川王春林贺雁鹏
单位

陕西延长石油（集团）有限责任公司西安科技大学安全科学与工程学院陕西延长石油巴拉素煤业有限公司
摘要

针对单一瓦斯预测模型挖掘矿井瓦斯浓度时间序列全部特征能力较弱的问题，提出了一种基于自回归滑动平均模型（ARIMA）和支持向量机（SVM）模型的组合预测模型，并采用该模型对瓦斯浓度进行预测。首先，分别应用ARIMA模型和SVM模型对实验数据进行预测分析，得到2种单一模型预测结果。其次，结合自相关函数和偏自相关函数及贝叶斯准则，得到最优ARIMA模型为ARIMA(1,1,2)，通过核函数等参数寻优，确立最优SVM模型，从而建立ARIMA-SVM组合模型。利用ARIMA模型处理瓦斯浓度时间序列的历史数据，得到相应的线性预测结果和残差序列，利用SVM模型进一步对数据残差序列中的非线性因素进行分析，得到非线性预测结果，将2个模型的预测结果进行组合，得到目标瓦斯时间序列最终预测结果。实验结果表明：(1) ARIMA-SVM组合模型预测结果与矿井实际数据的拟合度优于ARIMA模型和SVM模型。(2)相对于ARIMA模型、SVM模型，ARIMA-SVM组合模型的误差大幅度减小，且预测结果明显优于单一模型。(3) ARIMA-SVM组合模型的平均绝对误差、平均绝对百分比误差及均方根误差均为最小，表明ARIMA-SVM组合模型预测精度更高。
关键词

瓦斯浓度预测瓦斯浓度时间序列自回归滑动平均模型支持向量机 ARIMA-SVM组合模型
基金项目(Foundation)

国家自然科学基金项目（52074214）；陕西省自然科学基础研究计划资助项目（S2019-JC-LH-QY-SM-0065）；
文章目录

0 引言
1 ARIMA-SVM组合模型
1.1 ARIMA模型
1.2 SVM模型
1.3 ARIMA-SVM组合模型
2 实验过程
2.1 数据来源
2.2 瓦斯浓度预测及拟合效果
2.2.1 ARIMA模型预测
2.2.2 SVM模型预测
2.2.3 ARIMA-SVM模型预测
3 结语
引用格式

范京道,黄玉鑫,闫振国,李川,王春林,贺雁鹏.ARIMA-SVM组合模型驱动下的瓦斯浓度预测研究[J].工矿自动化,2022,48(09):134-139.DOI:10.13272/j.issn.1671-251x.2022030024.