| 基于Python的瓦斯浓度ARIMA预测模型构建及其应用 |
| |
| 引用本文： | 张震,朱权洁,李青松,张尔辉,刘鸿伟. 基于Python的瓦斯浓度ARIMA预测模型构建及其应用[J]. 华北科技学院学报, 2020, 17(2): 23-28,49. DOI: 10.3969/j.issn.1672-7169.2020.02.004 |
| |
| 作者姓名： | 张震 朱权洁 李青松 张尔辉 刘鸿伟 |
| |
| 作者单位： | 华北科技学院安全工程学院,北京东燕郊065201,华北科技学院安全工程学院,北京东燕郊065201;华北科技学院河北省矿井灾害防治重点实验室,北京东燕郊065201,贵州省矿山安全科学研究院,贵阳550025,华北科技学院安全工程学院,北京东燕郊065201,华北科技学院安全工程学院,北京东燕郊065201 |
| |
| 基金项目： | 贵州省科技计划资助项目;贵州省优秀青年科技人才培养计划资助项目;河北省高等学校科学研究计划资助项目 |
| |
| 摘 要： | ![]()
针对矿井瓦斯浓度预测研究现状,提出一种基于Python的瓦斯浓度时间序列预测方法。该方法采集、处理了矿井瓦斯浓度历史数据,形成适用于数据挖掘的平稳时间序列;基于该序列,调用Python自带的ARIMA模块函数,构建瓦斯浓度预测模型;利用建立的预测模型对瓦斯浓度进行预测,并对比分析瓦斯浓度历史数据与预测数据的误差大小,进行模型预测效果评价;最后,利用满足精度要求的预测模型,预测瓦斯浓度变化趋势。以贵州某矿为例,采集2018年3月5日至2018年3月7日的瓦斯数据作为样本数据,并调用Python的ARIMA模块建立预测模型,开展瓦斯浓度预测研究。结果表明,该方法实现了瓦斯浓度预测的可视化,并使瓦斯浓度预测均方根误差低为234%,预测精度较高,可为降低矿井瓦斯事故提供一定的技术支撑。
|
| 关 键 词： | 矿井瓦斯浓度预测 时间序列 Python语言 ARIMA |
Construction and application of ARIMA prediction model of gas concentration based on Python |
| |
| ZHANG Zhen,ZHU Quanjie,LI Qingsong,ZHANG Erhui,LIU Hongwei. Construction and application of ARIMA prediction model of gas concentration based on Python[J]. Journal of North China Institute of Science and Technology, 2020, 17(2): 23-28,49. DOI: 10.3969/j.issn.1672-7169.2020.02.004 |
| |
| Authors: | ZHANG Zhen ZHU Quanjie LI Qingsong ZHANG Erhui LIU Hongwei |
| |
| Abstract: | ![]()
|
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
