[發明專利]一種基于動態神經網絡的瓦斯濃度實時預測方法

在審

• 申請號: 201410384801.2
• 申請日: 2014-08-06
• 公開（公告）號: CN104156422A
• 公開（公告）日: 2014-11-19
• 發明（設計）人: 郭偉;張昭昭
• 申請（專利權）人: 遼寧工程技術大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06N3/02;G06Q10/04;E21F17/18
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

1.一種基于動態神經網絡的瓦斯濃度實時預測方法，其特征在于，包括以下步驟：

S1、通過瓦斯傳感器采集瓦斯濃度數據，存入瓦斯濃度歷史數據庫；

S2、將瓦斯濃度歷史數據庫中的數據視為混沌時間序列進行處理，利用C-C方法計算該混沌時間序列的延遲時間和嵌入維數；

S3、分別建立相空間重構和p步預測向量作為神經網絡的訓練樣本集；

S4、用訓練樣本集采取增量學習方式訓練神經網絡，建立神經網絡預測模型；

S5、根據已建立的神經網絡預測模型進行實時預測。

2.如權利要求1所述的基于動態神經網絡的瓦斯濃度實時預測方法，其特征在于，在步驟S1中，所述通過瓦斯傳感器采集瓦斯濃度數據具體為：采用瓦斯無線監測傳感器，放置在煤壁前方和采掘設備和作業人員身上，并在50～100米外設置移動基站接收瓦斯濃度信息，再通過井下通信網絡傳輸至地面監控系統。

3.如權利要求1所述的基于動態神經網絡的瓦斯濃度實時預測方法，其特征在于，在步驟S2中，所述利用C-C方法計算該混沌時間序列的延遲時間和嵌入維數具體包括以下過程：

(1)計算以下三個參量：

ΔS‾(t)=14Σm=25ΔS(m,t),S‾(t)=116Σm=25Σk=14S(m,rk,t),Scor(t)=ΔS‾(t)+|S‾(t)|;]]>

其中：S(m,rk,t)=1tΣs=1tCs(m,rk,t)-Csm(l,rk,t)]]>為檢驗統計量，m＝2,3,4,5，rk＝kσ/2；ΔS(m,t)＝max{S(m,r_j,t)}-min{S(m,r_j,t)}為選擇最大和最小兩個半徑r檢驗統計量之間的差量；C(m,rk,t)=limN→∞2m(m-1)Σ1≤i≤j≤mδ(rk-||Xi-Xj||)]]>為瓦斯濃度時間序列的關聯積分，是累積分布函數，其表示相空間中任意兩個相點之間距離小于r的概率；表示檢驗統計量差量的平均值；表示統計量之間的平均值；S_cor(t)為定義的指標量；δ(x)為脈沖函數，滿足當x≥0時δ(x)＝1，當x≤0時δ(x)＝0；

(2)取第一個極小值對應的t值為延遲時間τ；再取S_cor(t)(0≤t≤200)全局最小值對應的t值為時間窗口τ_w，由此計算嵌入維數：m＝1+τ_w/τ。