CN108256684A - 一种基于灰色数列模型的涌水量预测方法 - Google Patents
一种基于灰色数列模型的涌水量预测方法 Download PDFInfo
- Publication number
- CN108256684A CN108256684A CN201810039696.7A CN201810039696A CN108256684A CN 108256684 A CN108256684 A CN 108256684A CN 201810039696 A CN201810039696 A CN 201810039696A CN 108256684 A CN108256684 A CN 108256684A
- Authority
- CN
- China
- Prior art keywords
- water yield
- prediction
- chemicla
- grey
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 239000003245 coal Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于灰色数列模型的涌水量预测方法,包括:收集目标区域往年实际涌水量数据;基于实际涌水量数据,建立灰色数列预测模型;对比模型计算结果与实际涌水量数据,预测目标区域涌水量。本发明基于灰色数列预测方法,仅运用预测对象自身的时间序列,将影响客观系统的诸多因素及它们之间的关系定为灰色量,建立模型进行预测,预测结果合理可靠,具有一定的新颖性,且本发明操作简单,易于实际应用,为涌水量预测提供了一种新的方法和思路。
Description
技术领域
本发明涉及煤矿开采涌水量预测技术领域,具体涉及一种基于灰色数列模型的涌水量预测方法。
背景技术
矿井涌水量是矿井水害防治工作的一个十分关键且具有基础意义的量。在矿井水害防治技术进程中,形成了许多关于涌水量预测的理论和方法,常见的有解析法、水文地质比拟法、动静储量法、数值模拟法等这些方法大多操作较为繁琐,考虑因素较为复杂,本发明针对这一问题提供一种操作简单,且可以定性与定量预测涌水量的方法。
发明内容
1.本发明的目的
鉴于此,本发明针对煤矿开采涌水量预测技术的不足,提供一种定性与定量预测涌水量的方法。
2.本发明的技术方案
为实现上述目的,本发明一种领域,具体涉及一种基于灰色数列模型的涌水量预测方法,该方法包括:步骤A,收集目标区域往年实际涌水量数据;步骤B,基于实际涌水量数据,建立灰色数列预测模型;步骤C,对比模型计算结果与实际涌水量数据,预测目标区域涌水量。
本发明基于灰色数列预测方法,仅运用预测对象自身的时间序列,将影响客观系统的诸多因素及它们之间的关系定为灰色量,建立模型进行预测,预测结果合理可靠,具有一定的新颖性,且本发明操作简单,易于实际应用,为涌水量预测提供了一种新的方法和思路。
附图说明
此处用来说明的附图是为了对本发明的进一步解释和说明,为本申请的一部分,但并不能限定本发明。
图1为本发明基于灰色数列模型的涌水量预测方法流程图。
具体实施方案
下面结合附图及本发明所应用的实例,对本发明进行进一步说明。
图1为本发明基于灰色数列模型的涌水量预测方法流程图。如图1所示,该方法包括:
步骤A,收集目标区域往年实际涌水量数据;
步骤B,基于实际涌水量数据,建立灰色数列预测模型;
步骤C,对比模型计算结果与实际涌水量数据,预测目标区域涌水量。
以下结合具体实例,对上述每一步骤进行解释说明。
步骤A,收集目标区域往年实际涌水量数据。
在本发明实例中,结合某矿生产实践,收集该矿在2010年~2013年份期间-796m水平年平均矿井涌水量,具体见表1。
表1 2010年~2013年年平均涌水量统计表
年份 | 2010 | 2011 | 2012 |
涌水量(m3/h) | 51.5 | 51.4 | 51.0 |
步骤B,基于实际涌水量数据,建立灰色数列预测模型。
本发明实例中,基于步骤A中收集的实际涌水量,建立灰色数列预测模型,具体过程:
(1)原始子数据序列
X(0)=[X(0)(1),X(0)(2),X(0)(3)]=[51.5,51.4,51.0]
(2)对子数据序列作一次累加生成(1-AGO)即:
X(1)=[X(1)(1),X(1)(2),X(1)(3)]=[51.5,102.9,153.9]
注:X(1)(1)=X(0)(1)
(3)定义GM(1,1)
预测方程:X(0)(k)+Az(1)(k)=b k=1,2,3…….n
白化方程:
白化预测方程:
反推方程:X(0)(k)=X(1)(k)-X(1)(k-1)
其中:a为发展系数;b为灰色量。
定义:
步骤C,对比模型计算结果与实际涌水量数据,预测目标区域涌水量。
根据步骤B中的公式及步骤A中的数据可求解出:a=0.0078;b=52.003
所以:
2010~2013年涌水量结果结果如下表2所示。
表2 2010年~2013年年平均涌水量预测结果
年份 | 2010 | 2011 | 2012 |
X(1) | 51.5 | 102.9 | 153.902 |
X(0) | 51.5 | 51.4 | 51.002 |
相对误差 | 0 | 0 | 0.0039 |
带入上述公式计算可得到2013年和2014年涌水量预测结果分别为为50.605m3/h、50.212m3/h。
本发明基于灰色数列预测方法,仅运用预测对象自身的时间序列,将影响客观系统的诸多因素及它们之间的关系定为灰色量,建立模型进行预测,预测结果合理可靠,具有一定的新颖性,且本发明操作简单,易于实际应用,为涌水量预测提供了一种新的方法和思路。
以上所述具体实例,对本发明的目的,过程和有益效果进行详细说明,并不用于限定本发明的限定范围,凡在本发明的精神原则之内,所做的任何修改、等同替换等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于灰色数列模型的涌水量预测方法,其特征在于,该方法包括:
步骤A,收集目标区域往年实际涌水量数据;
步骤B,基于实际涌水量数据,建立灰色数列预测模型;
步骤C,对比模型计算结果与实际涌水量数据,预测目标区域涌水量。
2.如权利要求1所述的一种基于灰色数列模型的涌水量预测方法,其特征在于,步骤B中,基于实际涌水量数据,建立灰色数列预测模型,具体过程如下:
(1)原始子数据序列
X(0)=[X(0)(1),X(0)(2),X(0)(3)]=[51.5,51.4,51.0]
(2)对子数据序列作一次累加生成(1-AGO)即:
X(1)=[X(1)(1),X(1)(2),X(1)(3)]=[51.5,102.9,153.9]
注:X(1)(1)=X(0)(1)
(3)定义GM(1,1)
预测方程:X(0)(k)+Az(1)(k)=b k=1,2,3…….n
白化方程:
白化预测方程:
反推方程:X(0)(k)=X(1)(k)-X(1)(k-1)
其中:a为发展系数;b为灰色量。
定义:
3.如权利要求1所述的一种基于灰色数列模型的涌水量预测方法,其特征在于,步骤C中,对比模型计算结果与实际涌水量数据,预测目标区域涌水量。
根据步骤B中的公式及步骤A中的数据可求解出:a=0.0078;b=52.003所以得到方程:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810039696.7A CN108256684A (zh) | 2018-01-16 | 2018-01-16 | 一种基于灰色数列模型的涌水量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810039696.7A CN108256684A (zh) | 2018-01-16 | 2018-01-16 | 一种基于灰色数列模型的涌水量预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108256684A true CN108256684A (zh) | 2018-07-06 |
Family
ID=62741155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810039696.7A Pending CN108256684A (zh) | 2018-01-16 | 2018-01-16 | 一种基于灰色数列模型的涌水量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108256684A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1786413A (zh) * | 2005-11-17 | 2006-06-14 | 孟江 | 基于神经网络模型的矿井涌水量预测方法 |
US20060178927A1 (en) * | 2005-02-04 | 2006-08-10 | Taiwan Semiconductor Manufacturing Co., Ltd. | Demand forecast system and method |
CN101480143A (zh) * | 2009-01-21 | 2009-07-15 | 华中科技大学 | 一种预测灌区作物单产量的方法 |
CN101825622A (zh) * | 2010-04-02 | 2010-09-08 | 浙江浙大中控信息技术有限公司 | 一种水质预测方法和装置 |
CN105651323A (zh) * | 2014-12-02 | 2016-06-08 | 山东申普交通科技有限公司 | 基于gm(1,1)模型的传感器软故障主动预测方法 |
CN107358318A (zh) * | 2017-06-29 | 2017-11-17 | 上海电力学院 | 基于GM(1,1)模型和灰色Verhulst模型的城市用电量预测方法 |
-
2018
- 2018-01-16 CN CN201810039696.7A patent/CN108256684A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060178927A1 (en) * | 2005-02-04 | 2006-08-10 | Taiwan Semiconductor Manufacturing Co., Ltd. | Demand forecast system and method |
CN1786413A (zh) * | 2005-11-17 | 2006-06-14 | 孟江 | 基于神经网络模型的矿井涌水量预测方法 |
CN101480143A (zh) * | 2009-01-21 | 2009-07-15 | 华中科技大学 | 一种预测灌区作物单产量的方法 |
CN101825622A (zh) * | 2010-04-02 | 2010-09-08 | 浙江浙大中控信息技术有限公司 | 一种水质预测方法和装置 |
CN105651323A (zh) * | 2014-12-02 | 2016-06-08 | 山东申普交通科技有限公司 | 基于gm(1,1)模型的传感器软故障主动预测方法 |
CN107358318A (zh) * | 2017-06-29 | 2017-11-17 | 上海电力学院 | 基于GM(1,1)模型和灰色Verhulst模型的城市用电量预测方法 |
Non-Patent Citations (2)
Title |
---|
卓金武 等: "《MATLAB在数学建模中的应用 第2版》", 30 September 2014, 北京航空航天大学出版社 * |
鲍道亮 等: "基于GM(1,1)模型的矿井涌水量预测", 《龙岩学院学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gu et al. | The value of automated mineralogy | |
Ejrnæs et al. | Work and wage dynamics around childbirth | |
Coppola Jr et al. | A neural network model for predicting aquifer water level elevations | |
Liu et al. | Parameter uncertainty analysis of reservoir operating rules based on implicit stochastic optimization | |
Chanat et al. | Application of a weighted regression model for reporting nutrient and sediment concentrations, fluxes, and trends in concentration and flux for the Chesapeake Bay Nontidal Water-Quality Monitoring Network, results through water year 2012 | |
Sahoo et al. | Mining export, industrial production and economic growth: A cointegration and causality analysis for India | |
Zeng et al. | Two-stage credibility-constrained programming with Hurwicz criterion (TCP-CH) for planning water resources management | |
Lassila et al. | Demographic forecasts and fiscal policy rules | |
Ahmadi | Cutoff grade optimization based on maximizing net present value using a computer model | |
Jakubik et al. | Assessing optimal credit growth for an emerging banking system | |
CN106845641A (zh) | 基于经验模态分解和bp神经网络的地铁沉降预测方法 | |
CN106874560B (zh) | 一种傍河水源地优化布井方法 | |
Smith | Estimating the future supply of shale oil: A Bakken case study | |
O'Sullivan et al. | Classification of catchments for nitrogen using Artificial Neural Network Pattern Recognition and spatial data | |
CN108256684A (zh) | 一种基于灰色数列模型的涌水量预测方法 | |
CN103440536A (zh) | 一种区域宏观经济预测模型方法 | |
CN104992233A (zh) | 一种基于svm的科技服务业产出预测方法 | |
Ayyagari et al. | Size and age of establishments: evidence from developing countries | |
Zhao et al. | Design of water-using networks of multiple contaminants with two internal water mains | |
Zecca et al. | Are the responses of plant species to Quaternary climatic changes idiosyncratic? A demographic perspective from the Western Alps | |
CN107977742B (zh) | 一种中长期电力负荷预测模型的构建方法 | |
Kuznetsov et al. | Economic and mathematical research of the rural territories development in Russia. | |
CN104573356A (zh) | 一种基于稀疏T-S模糊的铁水Si含量建模方法 | |
Marshall | Evaluating adaptive efficiency in environmental water recovery: application of a framework for institutional cost-effectiveness analysis | |
CN104537167A (zh) | 基于鲁棒区间极限学习机的区间型指标预报方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180706 |