時間序列數據建模及其在瓦斯預測中的應用研究.pdf

1、隨著Internet和信息化的到來，海量數據的產生不可避免，人們面臨著被數據淹沒而知識匱乏的現狀，而傳統的數據統計方法由于效率低下已經不能適應目前這種狀況，數據挖掘技術正是在這種大背景下產生和發(fā)展起來的，截止目前，數據挖掘已廣泛應用于商業(yè)活動和軍事等領域。 時間序列數據建模是一種根據動態(tài)數據揭示系統動態(tài)結構和規(guī)律的方法，其基本思想是根據系統內有限長度的運行記錄(觀察數據)，建立能夠比較精確地反映序列中所包含的動態(tài)依存關系的數學模

2、型，并借以對系統的未來進行預測。 本文的主要研究方向是時間序列數據建模及其在煤礦瓦斯預測中的應用研究，文中就時間序列數據建模的國內外研究現狀、時間序列分析、形式化表示和時間序列的建模等進行了詳細的論述，在分析了煤礦瓦斯監(jiān)測數據的特點和多種模型的特征基礎上，提出了本文所適用的數據模型為ARMA，同時，對特定的數據進行了數據建模，并對結果進行了分析和驗證。具體內容包括如下方面： 首先，本文在研究了大量文獻的基礎上，對時間序列

3、數據分析與建模及其在煤礦瓦斯預測中的應用，以及它們的國內外研究現狀進行了綜述，并對時間序列數據的特點、時間序列分析研究的問題，以及相關的技術進行了分析。 其次，從時間序列的統計學特征、時間序列平穩(wěn)性、時間序列的統計學模型以及時間序列數據的形式化表示等方面進行了詳細的敘述。在分析了自回歸模型、移動平均模型、白回歸移動平均模型和自回歸積分移動平均模型等模型后，結合煤礦瓦斯數據的特點，本文確定應使用自回歸移動平均模型作為煤礦瓦斯檢測的

4、數據模型。最后，本文依據自回歸移動平均模型的建模方法，對給定的數據進行了建模和模型驗證。時間序列建模是指結合具體的背景知識，考慮時間序列的非平穩(wěn)性，依據變量自身的變化規(guī)律，利用外推機制描述時間序列的變化。對于時間序列數據挖掘的整個過程，本文采用如下的步驟：動態(tài)數據的預處理、模型形式的選擇和識別、模型參數的初步估計、模型參數的精估計，并對結果模型進行了檢驗和分析。 自然界存在大量的時間序列數據，所以對時間序列的研究有著重要的現實意