

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、我國產(chǎn)煤量世界第一,并且煤在日常所需能源消耗中約占70%左右,然而礦工死亡總量是其他國家的3倍,所以煤礦作業(yè)安全就成為了我們重點解決的困難。并且在日常生產(chǎn)中,瓦斯事故是威脅安全作業(yè)的首要因素,又因井下環(huán)境變幻莫測,瓦斯?jié)舛仁芏喾江h(huán)境因素影響,比如溫度,風速,一氧化碳等,所以如何對煤礦井下瓦斯?jié)舛纫约捌渌鼤r序數(shù)據(jù)的實時監(jiān)測成為了煤礦安全生產(chǎn)過程中迫切需要解決的問題之一。
本文首先對目前國內(nèi)外在煤礦安全生產(chǎn)預警領域中所用到的預測方
2、法的現(xiàn)狀進行綜述,在此基礎上,解析了目前存在實時監(jiān)測系統(tǒng)的不足,通過對數(shù)據(jù)融合技術、單一或組合預測方法的研究,針對了單傳感器預測數(shù)據(jù)源單一存在片面性問題以及單一預測數(shù)據(jù)模型精度低和未曾同時考慮到數(shù)據(jù)的線性和非線性情況,實現(xiàn)了礦井下數(shù)據(jù)預測系統(tǒng)。
1、利用數(shù)據(jù)融合技術對瓦斯?jié)舛?,溫度,風速三種數(shù)據(jù)進行融合計算;
2、針對數(shù)據(jù)融合后的時序數(shù)據(jù)線性情況,采用指數(shù)平滑預測模型進行單一預測,得出實驗結果進行誤差分析;
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機的金融時序數(shù)據(jù)預測算法研究.pdf
- 煤礦多傳感器混沌時序數(shù)據(jù)融合預測研究.pdf
- 智能電網(wǎng)時序數(shù)據(jù)存儲與預測方法研究與實現(xiàn).pdf
- 時序數(shù)據(jù)維歸約方法的研究.pdf
- 時序數(shù)據(jù)挖掘研究.pdf
- 智能電網(wǎng)時序數(shù)據(jù)短期預測分析研究.pdf
- 海量時序數(shù)據(jù)的壓縮存儲方法研究.pdf
- 基于Hadoop平臺的時序數(shù)據(jù)處理方法研究.pdf
- 時序數(shù)據(jù)序列模式挖掘.pdf
- 時序數(shù)據(jù)挖掘中的相似性和趨勢預測研究.pdf
- 數(shù)據(jù)歸約方法在時序數(shù)據(jù)分類中的應用研究.pdf
- 面向多元時序數(shù)據(jù)的復雜事件檢測方法研究.pdf
- 基于粗糙集的時序數(shù)據(jù)分析方法研究.pdf
- 基于數(shù)據(jù)倉庫的時序數(shù)據(jù)挖掘研究.pdf
- 基于數(shù)據(jù)挖掘的軟件缺陷數(shù)據(jù)預測方法研究.pdf
- 時序數(shù)據(jù)挖掘技術及其在水質(zhì)預測中的應用研究.pdf
- 面向二維時序數(shù)據(jù)可視化方法的研究.pdf
- 基于非負矩陣分解的時序數(shù)據(jù)聚類方法.pdf
- 時序數(shù)據(jù)的高效存儲與檢索.pdf
- 時序數(shù)據(jù)在線分類與規(guī)則發(fā)現(xiàn).pdf
評論
0/150
提交評論