[發明專利]一種基于小波變換和ARMA-SVM的涌水量預測方法

有效

• 申請號: 201410505094.8
• 申請日: 2014-09-28
• 公開（公告）號: CN104200291A
• 公開（公告）日: 2014-12-10
• 發明（設計）人: 邱梅;施龍青;韓進;滕超;牛超
• 申請（專利權）人: 山東科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F17/50
• 代理公司: 青島高曉專利事務所 37104
• 代理人: 張世功

技術領域:

本發明屬于礦床水文地質勘探技術領域，涉及一種涌水量預測方法，特別 是一種基于小波變換和自回歸移動平均模型-支持向量機(ARMA-SVM)的涌水 量預測方法。

背景技術：

礦井涌水量是單位時間內涌入礦坑(包括井、巷和開采系統)的水量，它 是確定礦床水文地質條件復雜程度及礦井建設和合理開發的重要指標，也是礦 井生產部門制定采掘方式，確定滿足所需排水能力且經濟的排水設施的主要依 據，對礦井防治水工作具有十分重要的意義。礦井涌水量的預測是一項比較復 雜和困難的工作，目前礦井涌水量預測常用方法大致分為兩大類：第一類為確 定性的數學模型方法，包括水均衡法、解析法和數值法等，第二類為統計分析 方法，包括水文地質比擬法、相關分析法、時間序列分析法、神經網絡方法、 支持向量機法和灰色系統法等。確定性的數學模型方法要求獲得足夠多的水文 地質勘探數據，準確概化邊界條件，難以準確建模或準確建模的地質勘探成本 過高；統計分析方法則受到實測資料累計程度和推廣性差等條件的限制。

統計分析方法中的時間序列方法著重研究具有隨機性的動態數據，從頻域 和時域的角度對礦山涌水量時間序列的變化規律進行定量分析；對于那些已建 成、影響因素難以確定或量化，且隨后的采掘活動對其涌水量基本無影響的井 巷系統，可將其歷史觀測臺賬數據看成時間序列，該涌水系統的涌水量歷史觀 測值就是該“涌水系統”在不同時間、不同條件下的響應值，是該系統歷史行為的 客觀記錄，因而包含了該系統結構特征及運行規律，可以通過對該系統歷史時 間序列的分析研究來認識它的結構特征，如波動的周期、振幅、趨勢，揭示其 運行規律，進而用以預測。對于穩定的時間序列，用自回歸移動平均(ARMA) 模型預測效果較好，但是在實踐中遇到的涌水量時間序列一般是各種因素交織 在一起的結果，大多是一個非平穩的時間序列；目前對于非平穩時間序列的預 測，一般采用差分自回歸移動平均(ARIMA)模型進行分析與預測，其基本思 想是用差分消除序列中的趨勢項和周期項，而對平穩項用ARMA模型進行分析 與預測，這種方法最大的缺點是其結果丟掉了最重要的信息即趨勢項和周期項， 對預測精度產生不利影響；對于非平穩涌水量時間序列預測，為了提高預測精 度，除了模型的選擇外，關鍵取決于如何提取時間序列中的低頻和高頻成分并 進行建模，以及如何避免對高頻信息的過擬合。現有技術中尚未見有對礦井涌 水量非平穩時間序列預測方法的公開，《電網技術》第34卷第一期《基于小波 分解和最小二乘支持向量機的短期風速預測》文章中寫道，利用二進小波分解 與重構和支持向量機建模能提高對風速預測的準確性，但該文章的描述僅僅針 對發電領域風速預測，無法適用于礦井涌水量預測方法的改善。

發明內容：

本發明的目的在于克服現有涌水量預測技術中存在的缺陷，尋求提供一種 涌水量預測方法，為了解決涌水量非平穩時間序列的預測問題，考慮到二進正 交小波分解對非平穩性時間序列的適應性，對低頻的分離作用及支持向量機較 好的泛化能力，提供一種基于小波變換和ARMA-SVM的涌水量預測方法，以 提高預測精度。

為了實現上述目的，本發明的涌水量預測技術方案包括以下步驟：

(1)獲取涌水量原始時間序列：收集礦井確定時間段內觀測記錄的涌水量 臺賬資料并進行分析，確定可靠的數據和必須剔除的數據；

(2)選取樣本：選取時間序列的前n個觀測樣本數據作為建模樣本，后 m-n個觀測樣本數據作為檢驗樣本，n為隨機選取的建模樣本個數，m為樣本總 數；

(3)二進小波分解與重構：對建模樣本的原始時間序列進行二進小波分解 與重構，提取原始時間序列中的高頻信息和低頻信息；二進小波分解與重構采 用馬拉特(Mallat)算法，包括如下步驟：

①信號分解，將c₀作為待分解的離散信號，則有：

c_j+1＝Hc_j,d_j+1＝Gc_j???(j＝0,1,…,J)；