代巍
- 作品数：8 被引量：33H指数：4
- 供职机构：辽宁工程技术大学安全科学与工程学院更多>>
- 发文基金：国家自然科学基金辽宁省教育厅高校重点实验室项目辽宁省自然科学基金更多>>
- 相关领域：环境科学与工程自动化与计算机技术矿业工程电子电信更多>>
- 基于VMD与DE-Elman的瓦斯浓度动态预测被引量：4
- 2018年
- 针对瓦斯浓度时间序列的复杂性、非线性、非平稳性特征,提出基于变分模态分解和差分进化优化的Elman网络瓦斯浓度动态预测方法.通过变分模态分解理论分析瓦斯浓度时间序列的局部特征以弱化瓦斯浓度的复杂性、非平稳性及非线性特征,对变分模态分解得到的固有模态分量分别建立Elman非线性预测模型,并通过差分进化优化预测模型参数以提高预测精度;将各个模型预测结果叠加拟合得到瓦斯浓度预测结果.研究结果表明:该方法可以实现对工作面瓦斯浓度的良好预测,预测结果合理并且满足工程的实际需要.
- 付华代巍
- 关键词：瓦斯浓度差分进化算法
- 改进AHP与Fuzzy综合评判的瓦斯突出危险性预测被引量：1
- 2018年
- 为了能够准确有效的预测煤与瓦斯突出的危险性,提出将改进的层次分析(AHP)与Fuzzy综合评判理论相结合的方法,构建包含3个一级要素和9个二级要素的瓦斯突出危险性评价指标体系结构,采用"三标度法"对所建立体系结构中影响瓦斯突出的因素进行定性定量分析,根据层次总排序权值获取影响瓦斯突出的重要影响因素指标.采用Fuzzy综合评价实现对瓦斯突出危险性预测的单因素评价以及多级综合评判,结果表明,此方法提高运算复杂度的同时能够准确的预测,为煤与瓦斯突出预测和防治提供了科学的依据.
- 徐莹代巍冀常鹏
- 关键词：煤与瓦斯突出
- 回采工作面瓦斯涌出量VMD-DE-RVM区间预测方法被引量：10
- 2018年
- 为有效、准确地预测回采工作面绝对瓦斯涌出量,基于变分模态分解(VMD)方法;差分进化(DE)算法和相关向量机(RVM)原理,提出回采工作面绝对瓦斯涌出量的VMD—DE-RVM区间预测方法;通过VMD方法将绝对瓦斯涌出量分解为若干固有模态分量并分析其局部特征,分别建立每个固有模态分量的RVM预测模型,并通过DE算法优化模型参数以提高预测精度;加权叠加各个分量的预测结果得到绝对瓦斯涌出量预测结果,并将其与经验模态分解方法所得结果对比。结果表明:应用该方法预测回采工作面瓦斯涌出量,能弱化瓦斯涌出量的局部特征,得到置信度为95%时涌出量预测区间有效度为100%,平均绝对误差为0.096m^3/min,平均相对误差为2.43%,预测精度有所提高。
- 代巍付华冀常鹏王英杰
- 关键词：绝对瓦斯涌出量区间预测
- 随机共振瓦斯微弱信号检测方法研究被引量：5
- 2016年
- 为了解决检测煤矿复杂环境中的瓦斯信号时易受周围噪声干扰以至微弱信号被掩埋或产生异常数据的问题,提出一种基于随机共振的微弱瓦斯信号检测方法。采用欠采样原理对大频率信号尺度变换及粒子群算法优化系统结构参量,对大参量微弱信号在随机共振系统中的共振效果进行了理论分析和研究。结果表明,该方法可以以较低的采样频率,自适应地达到较好的共振效果;可有效地滤除噪声并增强系统辨识微弱信号的灵敏度以及信号检测的动态范围。该研究为瓦斯突出信息的早期辨识提供了一定的理论依据。
- 付华代巍
- 关键词：随机共振粒子群算法
- 基于ACPSO的PSR-MK-LSSVM瓦斯浓度动态预测方法被引量：8
- 2016年
- 为了准确预测采煤工作面的瓦斯浓度,提出基于相空间重构理论、自适应混沌粒子群优化理论的混合核最小二乘支持向量机瓦斯浓度动态预测方法。以井下无线传感器网络监测系统采集到的工作面瓦斯浓度作为研究对象,通过平移不变小波降噪法滤除干扰瓦斯浓度的噪声,以相空间重构的瓦斯浓度序列样本训练混合核最小二乘支持向量机模型,利用自适应混沌粒子群算法优化模型参数,并通过误差校正的方法提高整体系统的预测精度。实验结果表明,提出的动态预测方法可以实现对工作面的瓦斯浓度的良好预测,平均相对误差MAPE值为0.024 1、相对均方根误差RRMSE值为0.209 7和平均相对变动ARV值0.003 11,预测结果合理并且满足工程的实际需要,可为煤矿瓦斯预测和防治工作提供有效理论依据。
- 付华代巍
- 关键词：瓦斯浓度相空间重构
- AE信号快速辨识被引量：1
- 2010年
- 根据煤岩声发射监测特性以及声发射信号推断声发射源的技术,提出一种利用近场MUSIC算法快速识别煤岩声发射信号的方法。在煤矿AE信号监测中,利用该算法对声发射信号的空间位置进行估计,将该算法估计的结果与巷道形状及工作面相适配,可以基本定位声发射源的位置。仿真实验结果证明了该算法的有效性。
- 代巍冀常鹏
- 关键词：振动与波声发射MUSIC算法
- 基于LLE与BA-Elman的瓦斯涌出量动态预测研究被引量：4
- 2016年
- 针对瓦斯涌出量受诸多因素影响,彼此间存在复杂的非线性关系导致预测精度不高这一问题,提出基于相关分析理论和局部线性嵌入理论的Elman网络瓦斯涌出量动态预测方法。在对监测指标进行相关性分析的基础上,用局部线性嵌入理论实现瓦斯涌出量影响因素从高维空间至低维空间的映射,进而重构影响瓦斯涌出量的有效因子,并将其作为Elman网络预测模型的输入矢量,以降低模型结构的复杂度,同时用蝙蝠算法全局优化Elman模型以提高预测的精度和泛化能力。试验结果表明该动态预测模型泛化能力强,预测精度高,适用于实际工作中对瓦斯涌出量的预测。
- 付华代巍
- 关键词：瓦斯涌出量ELMAN神经网络
- 瓦斯浓度动态在线预测模型被引量：1
- 2019年
- 为有效预测采煤工作面的瓦斯浓度,针对具有高度非线性、不确定性、时变性及复杂性的瓦斯浓度序列,提出在线序贯极限学习机理论的瓦斯浓度动态预测模型,该模型可以实时更新监测信息,并根据历史数据和当前数据进行模型的离线训练和在线学习以完成对未来时刻瓦斯浓度的动态预测.同时,引入自适应萤火虫算法优化预测模型参数.实验结果表明:该方法通过实时更新样本数据,降低了复杂度,耗时小,学习影射能力强.该模型的预测误差比BPNN和ELM网络模型低,具备良好的预测精度与更强的泛化能力.
- 丰胜成卢万杰徐耀松孟庭儒代巍
- 关键词：瓦斯浓度萤火虫算法
