基于R语言的综采工作面瓦斯浓度预测研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 选题背景及研究意义 | 第8-10页 |
| 1.1.1 选题背景 | 第8-9页 |
| 1.1.2 研究目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 智能化矿山大数据处理研究现状 | 第10-12页 |
| 1.2.2 瓦斯浓度预测方法研究现状 | 第12-16页 |
| 1.3 研究内容及技术路线 | 第16-18页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 技术路线 | 第17-18页 |
| 2 R语言时间序列分析 | 第18-24页 |
| 2.1 R语言 | 第18-19页 |
| 2.2 数据挖掘理论 | 第19-20页 |
| 2.3 时间序列的含义与分类 | 第20-21页 |
| 2.4 R语言在瓦斯浓度时间序列预测中的优势 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 时间序列分解和随机项指数平滑处理 | 第24-34页 |
| 3.1 时间序列统计特征分析 | 第24-26页 |
| 3.2 时间序列预处理 | 第26-28页 |
| 3.3 时间序列分解 | 第28-29页 |
| 3.4 随机项指数平滑处理 | 第29-33页 |
| 3.4.1 简单指数平滑法 | 第29-31页 |
| 3.4.2 Holt指数平滑法 | 第31-32页 |
| 3.4.3 Holt-Winters指数平滑法 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 4 时间序列ARIMA建模预测 | 第34-56页 |
| 4.1 ARIMA模型分类 | 第34-35页 |
| 4.2 ARIMA模型建立 | 第35-38页 |
| 4.3 工作面瓦斯浓度直接多步预测 | 第38-45页 |
| 4.3.1 瓦斯浓度ARIMA建模 | 第38-42页 |
| 4.3.2 瓦斯浓度ARIMA模型拟合与预测 | 第42-44页 |
| 4.3.3 预测结果分析 | 第44-45页 |
| 4.4 工作面瓦斯浓度分解组合预测 | 第45-47页 |
| 4.5 不同采样频率下直接多步预测 | 第47-50页 |
| 4.6 不同采样频率下分解组合预测 | 第50-55页 |
| 4.7 本章小结 | 第55-56页 |
| 5 综采工作面瓦斯浓度分解组合预测应用 | 第56-66页 |
| 5.1 矿井概况 | 第56-57页 |
| 5.1.1 工作面概况 | 第56页 |
| 5.1.2 矿井通风、瓦斯与监测监控 | 第56-57页 |
| 5.2 综采工作面瓦斯监测数据统计特征分析 | 第57-60页 |
| 5.3 综采工作面瓦斯浓度预测 | 第60-64页 |
| 5.4 本章小结 | 第64-66页 |
| 6 结论 | 第66-68页 |
| 6.1 结论 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 附录 | 第74页 |
