基于时间序列分析的综采工作面瓦斯浓度预测研究
摘要 | 第3-4页 |
Abstract | 第4页 |
1 绪论 | 第7-16页 |
1.1 选题背景及研究意义 | 第7-8页 |
1.1.1 选题背景 | 第7-8页 |
1.1.2 研究目的和意义 | 第8页 |
1.2 国内外研究现状 | 第8-14页 |
1.2.1 时间序列分析国外研究现状 | 第8-10页 |
1.2.2 时间序列分析国内研究现状 | 第10-12页 |
1.2.3 时间序列在瓦斯浓度预测中的应用 | 第12-14页 |
1.3 研究内容及技术路线 | 第14-16页 |
1.3.1 研究内容 | 第14页 |
1.3.2 技术路线 | 第14-16页 |
2 时间序列分析理论基础 | 第16-29页 |
2.1 时间序列分析基本概念 | 第16-17页 |
2.1.1 时间序列与随机过程 | 第16页 |
2.1.2 均值、方差和协方差 | 第16-17页 |
2.1.3 随机过程的平稳性 | 第17页 |
2.2 重要的平稳随机过程 | 第17-20页 |
2.2.1 白噪声过程 | 第17-18页 |
2.2.2 滑动平均过程 | 第18-19页 |
2.2.3 自回归过程 | 第19-20页 |
2.2.4 自回归滑动平均混合过程 | 第20页 |
2.3 ARIMA模型建立步骤及方法 | 第20-27页 |
2.3.1 平稳化检验与处理 | 第20-22页 |
2.3.2 模型识别 | 第22-23页 |
2.3.3 参数估计 | 第23-26页 |
2.3.4 模型评价 | 第26-27页 |
2.4 GARCH模型建立步骤及方法 | 第27-28页 |
2.4.1 GARCH模型的识别 | 第27页 |
2.4.2 GARCH模型参数的确定 | 第27-28页 |
2.4.3 GARCH模型的诊断 | 第28页 |
2.5 小结 | 第28-29页 |
3 综采工作面瓦斯浓度预测实证研究 | 第29-46页 |
3.1 统计学软件R语言 | 第29页 |
3.2 瓦斯浓度ARIMA模型 | 第29-37页 |
3.2.1 数据来源及处理 | 第29-32页 |
3.2.2 模型的识别与建立 | 第32-34页 |
3.2.3 模型的评价 | 第34-37页 |
3.3 残差序列的GARCH模型 | 第37-42页 |
3.3.1 GARCH模型的识别 | 第37-40页 |
3.3.2 GARCH模型参数的确定 | 第40-41页 |
3.3.3 GARCH模型的诊断 | 第41-42页 |
3.4 瓦斯浓度预测及效果评价 | 第42-44页 |
3.5 小结 | 第44-46页 |
4 综采工作面瓦斯浓度预测的可视化 | 第46-59页 |
4.1 MATLAB脚本文件和GUI简介 | 第46-47页 |
4.2 用户可视化界面的设计 | 第47-56页 |
4.2.1 设计步骤及原则 | 第47-48页 |
4.2.2 设计过程 | 第48-56页 |
4.3 预测效果展示 | 第56-58页 |
4.4 小结 | 第58-59页 |
5 结论和展望 | 第59-61页 |
5.1 结论 | 第59-60页 |
5.2 展望 | 第60-61页 |
致谢 | 第61-62页 |
参考文献 | 第62-67页 |
附录 | 第67页 |