煤矿设备运行状态在AGB组合模型下的预测分析研究

为解决王坪煤业采煤工作面煤矿设备运行状态评估时出现的预测精度低、单一模型适用范围小等问题,将Arima模型、BP神经网络以及GM(1,1)模型相结合,提出组合下的煤矿设备运行状态预测模型。经过系统对比验证分析,AGB组合模型下煤矿设备运行状态预测较单一预测模型精度更高,能够为现场工作人员提供更好的指导,为煤矿设备的运行安全提供了保障。

基于AGB组合模型的采煤机运行状态预测方法研究

针对单-预测模型用于预测采煤机运行状态预测精度差、适用性差的问题,深入研究了时间序列ARIMA预测模型、灰色GM(1,1)模型以及BP神经网络预测模型的结构原理,提出了一种基于AGB组合模型的采煤机运行状态预测方法。该方法首先获得各模型的预测结果,并对各模型计算出的方差作为AGB组合模型的输入,使用方差-协方差权重法对各模型的权重进行计算,最后对组合模型的预测结果进行求解分析。实验结果表明,基于AGB组合模型的预测方法对于采煤机运行状态的预测结果残差方差为0.001 3,平均相对误差为2.81%,均低于单-模型预测结果。