Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: szereg czasowy chaotyczny

Sortuj według:

Ogranicz wyniki do:

Foreshadow prediction of coal and gas outbursts based on a weighted first-order local-region method

Li Z. Q., Liu Z., Yuan S.

AGH Journal of Mining and Geoengineering

2012

Vol. 36, no. 3

217-223

This paper presents a method for the foreshadow prediction of coal and gas outburst. It was hypothesized that the gas emission prior to coal and gas outburst was nonlinear and the chaotic time series could be used in the short-term prediction. The weighted first-order local-region method was used to analyze the historical monitored gas emission data prior to the coal and gas outburst in a coal mine. The phase space of gas emission time series was reconstructed according to Takens' theory and a dynamic mathematical model of prediction was constructed. Then, the model was applied to predict the gas emission and the results were good. More than 75 percent of the predictive value error constitutes less than 1 percent. The results show that the weighted first-order local-region method is much more precise than some prediction methods and it is also easy to operate. So it is good in application and provides an effective method for coal and gas outburst prediction based on the obviously nonlinear gas emission data.

Niniejsza publikacja przedstawia metodę prognozowania wyrzutów węgla i gazu. Z postawionych hipotez wynika, że emisja gazu, do której dochodzi przed wyrzutem węgla i gazu, ma przebieg nieliniowy, a chaotyczny szereg czasowy może być wykorzystywany w prognozach krótkoterminowych. Do analizy danych historycznych monitorowanej emisji gazu przed wyrzutem węgla i gazu w kopalni zastosowano ważoną metodę lokalną pierwszej potęgi. Przestrzeń fazową szeregu czasowego emisji gazu zrekonstruowano na podstawie twierdzenia Takensa, a następnie sporządzono dynamiczny model matematyczny prognozy. Model ten wykorzystano do prognozy emisji gazu. Wyniki testu były zadowalające. 75 procent błędu wartości prognozowanej stanowi mniej niż 1 procent. Wyniki pokazują, że ważona metoda lokalna pierwszej potęgi jest o wiele bardziej precyzyjna niż wiele innych metod prognostycznych. Ponadto jest ona łatwa do zastosowania. Prostota i skuteczność tej metody czyni ją odpowiednią do prognozowania wyrzutów węgla i gazu na podstawie nieliniowych danych emisji gazu.

Chaotic time series prediction with feed-forward and recurrent neural nets

Mańdziuk J., Mikołajczak R.

Control and Cybernetics

2002

Vol. 31, no 2

383-406

The results of experimental comparison between several neural architectures for short-term chaotic time series prediction problem are presented. Selected feed-forward architectures (Multi-layer Perceptrons) are compared with the most popular recurrent ones (Elman, extended Elman, and Jordan) on the basis prediction accuracy, training time requirements and stability. The application domain is logistic map series - the well known chaotic time series predition benchmark problem. Simulation results suggest that in terms of prediction accuracy feed-forward networks with two hidden layers are superior to other tested architectures. On the other hand feed-forward architectures are, in general, more demanding in terms of training time requirements. Results also indicate that with a careful choice of learning parameters all tested architectures tend to generate stable (repeatable) results.