基于变量扩维的逐步拟线性回归瓦斯浓度预测模型.pdfVIP

《自动化与仪器仪表)2013年第 期(总第 169期) 基于变量扩维的逐步拟线性回归瓦斯浓度预测模型 王江荣 (兰州石化职业技术学院信息处理与控制工程系 甘肃兰州。730060) 摘 要：瓦斯浓度与其影响因素之间存在着很强的非线性性。精确预测瓦斯浓度具有重大的实现意义，解决这类问题 的常用方法为神经网络法，但这种方法往往与初始值的选取有关，且容易发生过拟合现象。变量扩维及逐步拟线性回归法 是解决这类问题的另一种方法，该方法具有精确度高，所需数据样本少，运算量小，速度快，稳定性及可操作性强等特 点，克服了神经网络算法的缺点，有较高的应用价值。 关键词：非线性；变量扩维；逐步回归分析；预测 Abstract：Thereexistnonlinearstrongbetweenabsrtactgasconcenrtationanditsinfluencingfactors．Accuratepredictionofgas concentrationhasasignificant，commonlyusedmethodtosolvethiskindofproblem fortheneuralnewt orkmethod，butthismehtod isoftenassociatedwiht theselectionofinitialvalue，andpronetooverfiRingphenomenon．Variabledimensionexpansionandgradu— allytohtelinearregressionmethodisanothermethodtosolvethiskindofproblem，thismethodhashighaccurac~therequireddata sample，asmallamountofcomputation，fastspeed，thecharacteristicsofstabilityandsrtongoperabiliyt,overcomeshtedisadvantag— esofneuralnewt orkalgorithm ，hashigherapplicationvalue． Keywords：Nonlinear；Variabledimensionexpansion；Stepwiseregressionanalysis；Prediction 中图分类号：TP393 文献标识码：B 文章编号：1001-9227(2013)05-0169-02 0 引 言 表示瓦斯浓度 (因变量)，具体数据见表 1。 掘进工作面瓦斯浓度预测对煤矿预测 、预防瓦斯浓度超 表1 建模样本12J 限，降低瓦斯爆炸事故发生概率，是十分重要的，不但保障煤 矿安全生产，还节约了生产成本。影响瓦斯浓度的因素通常是 煤层埋藏深度、厚度 、瓦斯含量、瓦斯压力、瓦斯放散初速 度、瓦斯解析指标、破坏类型、坚固性系数、煤层倾角、日产 量及风速等。相关因素与瓦斯浓度之间具有高度的非线性性。 解决这类问题最流行的方法是神经网络法n。，但这种方法易发 生过拟合现象，即建立的模型的误差很小，但对未知样本的预 报误差则较大 ，且精确度与初始值的选取有关。为了克服这类 方法存在的缺点，本文引入非线性项(变量的平方项、二次交叉 项等)实现变量扩维，利用新增变量和原变量构建拟线性回归瓦 由于 自变量与 目标变量问存在着非线性关系，因此采用变 斯浓度预测模型，采用逐步回归分析法筛选变量，并确立最终 量扩维一筛选方法处理。变量扩维引入原变量的非线性 因子， 预测模型。将测量数据样本u分为建模数据样本和测试数据样 即引入 自变量的平方项及二次项交叉项参加建模，原 自变量加 本。实验结果表明本文方法优于文 [1]及文[2】预测模型，且具有