基于小波变换的矿业事故时间序列预测
来源期刊:矿业研究与开发2021年第1期
论文作者:黄悦 幸福堂 石癸鑫 吴孟龙
文章页码:127 - 134
关键词:事故预测;小波变换;自回归滑动平均;分形理论;时间序列;
摘 要:为对矿业事故时间序列做出准确预测,针对单一预测模型对非平稳非线性时间序列预测精度低、模型选择困难等问题,提出了一种基于小波变换的矿业事故时间序列预测模型。首先,将44组训练数据采用小波变换,通过伸缩平移运算对时间序列逐步进行多尺度细化,使非平稳非线性的原始时间序列变换为一组代表整体变化趋势的高频信号序列,和一组表示随机扰动的低频信号序列;然后,采用自回归滑动平均(Autoregressive Moving Average,ARMA)模型预测低频信号序列,用分形理论(Fractal Theory,FT)预测高频信号序列;最后,再将各分序列的预测结果叠加,构建基于小波变换的矿业事故时间序列预测模型,并用12组测试样本验证模型的预测精度。结果表明:12组测试样本预测结果的平均相对误差为15.13%,且相对误差波动较为平稳。基于小波变换的矿业事故时间序列预测模型的预测稳定性较好、精确度较高,用该模型进行矿业事故时间序列的预测是可行且有效的。
黄悦1,幸福堂1,2,石癸鑫1,吴孟龙1
1. 武汉科技大学资源与环境工程学院2. 武汉科技大学冶金矿产资源高效利用与造块重点实验室
摘 要:为对矿业事故时间序列做出准确预测,针对单一预测模型对非平稳非线性时间序列预测精度低、模型选择困难等问题,提出了一种基于小波变换的矿业事故时间序列预测模型。首先,将44组训练数据采用小波变换,通过伸缩平移运算对时间序列逐步进行多尺度细化,使非平稳非线性的原始时间序列变换为一组代表整体变化趋势的高频信号序列,和一组表示随机扰动的低频信号序列;然后,采用自回归滑动平均(Autoregressive Moving Average,ARMA)模型预测低频信号序列,用分形理论(Fractal Theory,FT)预测高频信号序列;最后,再将各分序列的预测结果叠加,构建基于小波变换的矿业事故时间序列预测模型,并用12组测试样本验证模型的预测精度。结果表明:12组测试样本预测结果的平均相对误差为15.13%,且相对误差波动较为平稳。基于小波变换的矿业事故时间序列预测模型的预测稳定性较好、精确度较高,用该模型进行矿业事故时间序列的预测是可行且有效的。
关键词:事故预测;小波变换;自回归滑动平均;分形理论;时间序列;