尾矿坝浸润线数据挖掘预测模型的样本选取研究

本文分别应用时间序列功能模型和回归模型，在原始数据的基础上建立样本，并运用支持向量回归机算法对样本进行训练，得出了尾矿坝浸润线埋深预测模型并进行了实例应用。研究证明，运用时间序列模型选取训练样本能够得出更为精确的预测结果。     

基于ARIMA的安全生产事故预测与实证研究

为了减少企业安全管理者在生产作业中由于不确定性导致错误决策所产生的风险,在企业历年安全生产事故数据基础上进行预测具有一定的现实意义。以某企业2008年至2011年的安全生产事故次数时序数据,采用EViews 5统计分析软件,基于ARIMA时间序列预测模型更加关注对事故发生是否平稳而相对于其他预测模型更关注于趋势研究的良好特点,建立安全生产事故ARIMA时序预测模型,并对2012年的安全生产事故发生次数进行预测,通过效果检验发现该模型预测结果基本上能够反映该企业安全生产事故发生的实际情况。通过ARIMA方法在某企业安全生产事故预测具体案例的实现,是对现有安全生产事故预测方法的补充和完善,可为企业安全管理和决策提供一定的指导。     

建筑工程生产事故死亡人数时间序列分析

为研究建筑工程安全生产事故死亡人数的变化规律,采用时间序列分析方法,分析了建筑安全事故死亡人数时间序列上的趋势性规律,通过数据预处理和模型的识别与检验,最终建立了安全事故死亡人数预测模型。对全国2005—2014年建筑工程安全生产事故造成的死亡人数进行了分析和预测。结果表明:ARIMA模型各年预测值与实际值误差率为0.393,相比灰色模型和BP神经网络模型误差率最小。总体上说,ARIMA模型较适用于随机性较大的数据的趋势预测。     

基于改进极端学习机的混沌时间序列瓦斯涌出量预测

为更准确地预测瓦斯涌出量,预防瓦斯灾害,有必要建立和应用基于改进极端学习机(IELM)的混沌时间序列预测模型。首先,对瓦斯涌出量监测数据构成的多变量时间序列进行相空间重构,采用互信息法与虚假邻点法得到每一变量的延迟时间和最佳嵌入维数;然后,通过最小二乘方法和误差反馈原理计算出最优的网络输入层到隐含层的学习参数,对极端学习机(ELM)进行改进;最后,借助IELM建立瓦斯混沌时间序列的预测模型。通过仿真试验,运用该预测模型预测的最大相对误差为3.290 2%,最小相对误差为0.898 2%,平均相对误差为1.952 8%。     

基于支持向量机(SVM)的回采工作面瓦斯涌出混沌预测方法研究

针对瓦斯涌出传统的线性预测方法存在的问题,根据瓦斯涌出时间序列固有的确定性和非线性,利用混沌动力系统的相空间延迟坐标重构理论,结合基于机器学习理论的支持向量机(SVM),建立基于SVM理论的瓦斯涌出混沌时间序列预测模型。经Ⅱ1024回采工作面瓦斯涌出时间序列仿真计算,仿真结果显示该预测模型具有比传统的回归方法更好的泛化能力,预测方法具有很高的预测精度。同时,该模型具有以往传统机器学习的瓦斯涌出预测模型建立简便、训练速度快等优点。由于充分考虑瓦斯涌出时间序列的混沌性,并利用SVM预测的优良特性,使得预测更科学。     

基于北京市火灾统计数据的时间序列分析

采用Box-Jenkins法分析了城市火灾时间序列上的趋势性规律,通过数据预处理和模型的识别与诊断,最终建立了城市火灾预测模型。对北京市2000—2006年的火灾统计数据进行了平稳性处理,通过城市火灾预测模型的建模方法对北京市火灾发生次数的时间序列进行了ARIMA建模。根据得到的ARIMA(1,1,0)(1,1,1)12模型对北京市2007年的火灾发生次数进行了预测,并将该模型和BP神经网络模型的预测结果与实际情况进行对比分析。结果表明,ARIMA模型特别适用于随机性较大的火灾数据的趋势预测,并且方法简单,算法经济。     

基于HP滤波与ARMA模型的生产安全事故时序预测

为了研究月度生产安全事故变化规律并进行预测,采用Hodrick-Prescott滤波将事故序列分解为长期稳定趋势和短期波动两部分。对长期事故序列进行了平稳性检验,建立了线性回归预测模型。通过比较不同形式模型变量的显著性,建立了反映事故短期波动的自回归移动平均模型,短期预测值用于修正长期趋势预测值。结果表明,事故序列在长期上符合线性回归模型;事故短期波动预测ARMA(4,6)模型显示,事故波动变量与前1、2、4期存在自相关特征。     

煤层瓦斯含量影响因素分析及灰色预测

矿井煤层瓦斯含量与煤层埋藏深度、围岩性质等密切相关,以不同煤层地质参数及其相对瓦斯含量数据为原始序列,通过灰色处理建立微分方程预测模型,使用GM(1,4)灰色预测模型建立了未开采区瓦斯含量的预测方程,并进行了残差检验.同时对不同因素对瓦斯含量的关联程度进行了分析.     

基于声发射多参数时间序列的瓦斯突出预测

为准确预测煤与瓦斯突出,提出基于煤岩体破裂声发射(AE)多参数时间序列的煤与瓦斯突出预测方法。选取煤岩体声发射事件率、能率和b值等作为观测参量,建立小世界回声状态网络(SW-ESN)预测模型,并对煤岩体声发射多参数时间序列进行拟合与预测;运用突变理论与模糊数学结合的燕尾型突变级数法对预测的声发射序列建立煤与瓦斯突出预测模型。实例应用表明:SW-ESN对声发射时间序列的预测精度高,对突出情况的预测结果与现场实际基本符合,验证了本文提出的方法对煤与瓦斯突出预测的可行性和有效性。     

基于GM(1,1)的残差修正模型的电梯故障率预测

为研究某城市某品牌电梯故障率发展趋势,建立了该城市该品牌电梯故障率的GM(1,1)灰色预测模型,并对所建模型进行了数据检验,检验结果表明该预测模型的预测精度波动较大。为了提高GM(1,1)灰色预测模型的预测精度,利用对模型进行数据检验时得到的残差序列,建立GM(1,1)灰色预测模型的残差修正模型,利用该残差修正模型对原预测模型进行修正。利用经残差修正模型修正后的故障率预测模型对该城市A品牌电梯的故障率进行预测,结果表明:1)残差修正模型对原模型修正后的相对误差与修正前相比有升也有降,但精度有所提高且趋于稳定,表明残差修正模型有利于提高预测精度;2)利用所建立的故障率预测模型求得的预测故障率与实际故障率相比,相对误差不超过8.010%,表明该故障率预测模型的预测精度较高;3)修正模型预测值表明,在现有状态下该城市A品牌电梯的故障率呈上升趋势,应加强该品牌电梯的检维修与管理。     

最优加权组合模型在管道腐蚀预测中的应用

为构造海底混输管道腐蚀最优加权组合预测模型，针对传统非等间距GM(1,1)管道腐蚀预测模型中初始条件的选取问题，提出了新信息优先原理下的NEGM(1,1,τ)海底管道腐蚀速率预测模型，以充分发挥建模序列中各分量对预测系统的修正作用；引入ARIMA预测模型，在3个不同定权准则下与NEGM(1,1,τ)模型形成管道腐蚀加权组合预测模型，并通过评价指标函数实现组合模型的性能评价。研究结果表明:组合模型2的海底混输管道腐蚀速率预测值与实际值的平均相对误差为0.495 4%，评价指标函数RMSE,AARD和MAPE的值分别为0.1936%,0.1275%和0.595 3%，均优于其他2个准则下的组合模型。建立NEGM(1,1,τ)-ARIMA海底管道腐蚀速率最优加权组合预测模型，从多角度挖掘了管道腐蚀速率序列中的可靠信息，预测结果的可信度更高。     

航空装备事故的灰色时序组合预测模型

为提高航空装备事故预测水平,提出一种基于灰色和时间序列分析模型的航空装备事故组合预测模型。先构建灰色模型,提取历史数据中承载的趋势信息。然后进行模型选择、阶数识别和参数估计,建立灰色残差的时间序列分析模型,用以刻画历史数据中的随机波动特征。最后,将2个模型的预测值相加,得到所求的组合预测结果。实例中,以美国空军1996—1999年的A级飞行事故10万时率数据为基础,建立灰色时序组合模型,模型中短期预测精度优于单一灰色模型,平均相对误差控制在5%以内,预测结果能够反映航空装备安全的实际状况。     

室内准稳态压力火灾烟气沉降模型的改进和实验验证

对室内火灾及烟气的研究给消防工程领域带来了诸多益处,如疏散时间预测、基于性能化的设计分析等。Zukoski (Fireand Materials,1978,2(2): 54-62)在室内火灾烟气运动的开创性研究给出了基于质量和能量平衡的理论方法,为后续研究奠定了基础。然而实验发现,由于忽略热损失偏差,模型对近壁面火源的火灾烟气沉降时间的预测缺乏准确度。本文通过空间重构的方法消除房间长宽比因素造成的热损失偏差,引入两个参数进行表征,以完善该模型。完善后的模型预测烟气沉降时间与实验吻合度非常好,验证了该方法的有效性。在计算分析基础上,将两个参数对模型的影响作了评估,发现其一对模型预测结果的影响远大于另一参数。火源大小确定后,烟气充满房间的时间范围可确定,火源功率越大,时间范围越小。     

基于ARIMA和XGBoost组合模型的交通事故预测

近年来交通事故及其损失严重影响社会经济的发展和人民生活的提高,交通事故预测可以为交通事故预防提供数据支持。基于自回归滑动平均(ARIMA)模型和极端梯度提升(XGBoost)模型,构建时间序列组合预测模型,对交通事故相关指标进行趋势预测。根据交通事故的特点,选定"事故起数""受伤人数""死亡人数"及"损失"4个指标。首先,根据自相关、偏自相关图确定ARIMA模型参数,根据AIC(赤池信息准则)值确定最终模型;然后,对4个指标的ARIMA模型预测结果的残差构建残差序列,对其进行XGBoost建模,得出修正后的残差预测值;最后,根据残差预测值和ARIMA模型预测值得出组合模型最终的预测值。实例结果表明,4项指标的混合预测模型的预测精度均优于单一的ARIMA模型和Holt-winters模型,其中以"受伤人数"和"死亡人数"的模型改善效果最为显著,"受伤人数"指标的平均绝对百分比误差降低了5.431 7个百分点,"死亡人数"指标的平均绝对百分比误差降低了3.625 9个百分点。     

综放开采覆岩“两带”高度影响因素及预测模型研究*

为研究影响综放开采覆岩“两带”高度预测模型,采用理论分析与经验公式方法系统分析影响覆岩“两带”高度的因素,包括覆岩岩性、覆岩组合结构、煤层赋存状态、顶板控制方法、开采厚度、工作面走向长度与倾向长度、工作面推进速度、覆岩破坏残余变形;并将上述因素划分为采矿地质因素、顶板控制方法、采煤工作面三维尺寸设计参数、时间因素4类;基于此建立综放开采“两带”高度预测模型,并通过工程实例对比、现场实测等方法进行合理性验证。结果表明:芦沟矿与盛泰矿2个工作面的“两带”高度预测值均在实测值范围之内,说明得出的回归式预测效果较好,验证综放开采“两带”高度预测模型的合理性。     

有机过氧化物反应热的危险性预测研究

为了采用非实验的方法对安全物质学的研究内容及研究方法进行初探,基于定量结构-性质关系法,选择13种与有机过氧化物热危险性的影响因子密切相关的描述符,分别对起始分解温度T0和分解热△H的实验数据进行多元线性回归、偏最小二乘和支持向量机回归分析,从而获得3种相应的预测模型。对比T0与△H的实验值和预测值,结果发现:SVM预测模型的精度高于PLS预测模型,MLR预测模型的精度最低;同种预测模型对分解热的预测结果均优于起始分解温度。此外,分析各预测模型的稳定性数据发现:MLR模型的预测过程发生了过拟合现象,不具备预测能力;PLS模型的交互验证系数均大于0.5,具备较稳定的预测能力;SVM模型的交互验证系数均大于0.9,具备非常稳定的预测能力。     

GSK-XGBoost模型在井底风温预测中的应用*

为防治矿井热害,针对矿井井底风温在预测过程中精度较低的问题,提出1种网格搜索法结合K折交叉验证优化XGBoost的预测模型。通过分析确定影响井底风温的主要因素,使用网格搜索算法结合K折交叉验证,进行迭代缩小搜索范围并调参,选取最优参数配置,实现对XGBoost模型的优化,得到预测结果并与其他模型进行比较。研究结果表明:初始参数经优化后,当最大回归树深度为3且学习速率为0.1时,XGBoost回归模型性能最佳,与随机森林模型、BP神经网络模型、T-S模糊神经网络模型相比,平均相对误差分别降低了2.12%,0.88%,0.3%,均方根误差分别降低了0.66,0.24,0.11 ℃。     

基于改进风险矩阵法的配气站地震事件序列分析*

为了对天然气配气站进行抗震安全评估,以某天然气配气站为研究对象,通过分析地震事件序列,建立风险矩阵模型,研究系统失效原因及失效概率,评估事件发生后果。结果表明:事件C5,C6风险值相对较低,分别为18.75和15.24;风险矩阵模型能有效减小尖锐边界影响,为配气站采取抗震措施提供理论依据。     

瓦斯浓度区间预测的灰色聚类与高斯过程模型

为有效分析矿井瓦斯监测数据,以实现准确、可靠的瓦斯浓度预测,基于灰色关联聚类分析与高斯过程回归模型,研究瓦斯浓度时间序列分析与预测的方法。以预测有效度为预测精度的评估指标来动态确定重构瓦斯浓度时间序列样本空间的维数;应用灰色关联分析方法将瓦斯浓度时间序列划分成若干样本集,将其中具有关联特征的样本作为虚拟变量进行预测以消除因随机、不确定因素干扰而引起的预测误差;应用高斯过程回归模型实现瓦斯浓度区间预测,将预测结果表示成一个具有较高可信度的取值区间,以此表达对未来一段时间内瓦斯浓度动态变化情况的预测。实例分析表明:预测结果准确、可靠,能够较好地反映瓦斯浓度的实际变化状况。     

基于SPH-FEM耦合法的含缺陷输气管道爆炸冲击响应研究

针对大口径埋地输气管道发生物理爆炸对并行含体积缺陷邻管的冲击行为，利用LS-DYNA和LS-PREPOST有限元软件建立基于光滑粒子流体动力学-有限单元法的管-土-炸药耦合模型，分析不同缺陷深度、不同缺陷表面积、不同缺陷位置和不同爆心距下邻管的动力响应；基于爆腔预估公式和峰值振速经验公式，验证了所建耦合模型的可靠性，并通过设计算例开展多工况分析。研究结果表明:迎爆面上的缺陷处为动力响应的热点区域，最大响应特征值（应力、位移与振速）位于缺陷中心处，随缺陷深度的增加或管间距的减小特征值增速由平缓到急剧；相比缺陷位置和表面尺寸对管道的扰动程度，缺陷深度和爆心距对管道的动力响应影响较大；在本研究的条件下，建议埋地并行输气管道的安全间距不应小于5.16 m，且腐蚀深度不大于管道壁厚的0.633 6倍。研究结果可为埋地输气管道极端灾害下的风险评估提供技术支撑，为并行管道可能的抗爆隔爆设计提供模拟数据支持。