社区
下载资源悬赏专区
帖子详情
基于模糊信息粒化与马尔科夫修正的瓦斯浓度预测下载
weixin_39821620
2020-10-02 06:00:32
基于模糊信息粒化对原始数据进行处理,利用支持向量机(SVM)以及差分进化算法(DE)建立预测模型,根据马尔科夫链进行残差修正,预测瓦斯浓度变化趋势。通过实验表明,该方法相较于直接对粒化数据进行SVM预测有了较大的效果提升,此外,对原始数据进行了FIG处理,实现了降维,算法运行时间得到减少,算法效率得到提升。
相关下载链接:
//download.csdn.net/download/weixin_38625143/12521210?utm_source=bbsseo
...全文
16
回复
打赏
收藏
基于模糊信息粒化与马尔科夫修正的瓦斯浓度预测下载
基于模糊信息粒化对原始数据进行处理,利用支持向量机(SVM)以及差分进化算法(DE)建立预测模型,根据马尔科夫链进行残差修正,预测瓦斯浓度变化趋势。通过实验表明,该方法相较于直接对粒化数据进行SVM预测有了较大的效果提升,此外,对原始数据进行了FIG处理,实现了降维,算法运行时间得到减少,算法效率得到提升。 相关下载链接://download.csdn.net/download/weixin_38625143/12521210?utm_source=bbsseo
复制链接
扫一扫
分享
举报
写回复
配置赞助广告
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
相关推荐
基于
模糊
信息
粒化
与
马尔科夫
修正
的
瓦斯
浓度
预测
基于
模糊
信息
粒化
对原始数据进行处理,利用支持向量机(SVM)以及差分进化算法(DE)建立
预测
模型,根据
马尔科夫
链进行残差
修正
,
预测
瓦斯
浓度
变化趋势。通过实验表明,该方法相较于直接对
粒化
数据进行SVM
预测
有了较大的效果提升,此外,对原始数据进行了FIG处理,实现了降维,算法运行时间得到减少,算法效率得到提升。
基于
马尔科夫
残差
修正
的
瓦斯
浓度
预测
针对采用灰色神经网络
预测
瓦斯
浓度
时部分
预测
值精度不高的问题,提出用
马尔科夫
模型对三阶灰色神经网络模型
预测
结果进行
修正
的方法;介绍了灰色神经网络模型的建立和
马尔科夫
修正
残差方法,并采用该方法对某煤矿不同时间、不同地点的
瓦斯
浓度
进行分析
预测
。实际应用结果表明,经
马尔科夫
残差
修正
后的
瓦斯
浓度
预测
值与实测值的最大相对误差从14%减小到6%,
修正
后的
瓦斯
浓度
变化曲线更接近实际
瓦斯
浓度
变化趋势。
二次优化的灰色
马尔科夫
模型
预测
煤矿工作面
瓦斯
浓度
煤矿工作面
瓦斯
浓度
异常是发生
瓦斯
事故的重要因素,
瓦斯
浓度
的准确
预测
对煤矿
瓦斯
事故的预防有重大意义。为准确
预测
工作面
瓦斯
浓度
,将灰色GM(1,1)模型与
马尔科夫
理论相结合,通过对灰色GM(1,1)模型
预测
结果的二次
马尔科夫
优化,挖掘出
瓦斯
浓度
数列随机波动的
信息
,同时
预测
值的精调实现了对真实值的进一步逼近,大幅减小
预测
误差,且根据少量数据即可
预测
。结合现场数据,二次优化的灰色
马尔科夫
模型能准确
预测
瓦斯
浓度
,为
瓦斯
治理提供数据支撑。
基于插值梯形
模糊
信息
粒化
的
瓦斯
浓度
趋势
预测
针对现有
模糊
信息
粒化
方法构建的高层
信息
粒不能完全包含底层数据
信息
、
预测
时间范围受限等问题,提出了一种插值梯形
模糊
信息
粒化
方法来
预测
瓦斯
浓度
趋势。对原始
瓦斯
浓度
时间序列进行离散化形成若干子序列,计算每个子序列窗口的最大值与最小值形成梯形上沿的边界,通过对每个子序列窗口数据进行插值计算,形成新的
瓦斯
浓度
时间序列窗口,对新的
瓦斯
浓度
时间序列窗口采用数据遍历寻优的方式计算梯形下沿的边界,进而形成
瓦斯
浓度
粒化
区间序列。针对现有评价方法无法准确评价
信息
粒化
效果的问题,提出了一种基于权值的
粒化
评价方法,通过加权均方根误差对
粒化
效果进行整体评价。实验结果表明,通过该方法对
信息
进行
粒化
的效果明显优于现有
模糊
粒化
方法,并且
粒化
效果不随
粒化
窗口的增大而减小,具有较高的稳定性与鲁棒性。
基于
马尔科夫
链
修正
的BP神经网络模型对高速路交通量的
预测
研究.pdf
基于
马尔科夫
链
修正
的BP神经网络模型对高速路交通量的
预测
研究.pdf
发帖
下载资源悬赏专区
下载资源悬赏专区
CSDN 下载资源悬赏专区
复制链接
扫一扫
1.1w+
社区成员
1126.6w+
社区内容
CSDN 下载资源悬赏专区
其他
技术论坛(原bbs)
社区管理员
加入社区
获取链接或二维码
帖子事件
创建了帖子
2020-10-02 06:00
社区公告
暂无公告