• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一種EKF-WLS-SVR與混沌時間序列分析的瓦斯動態(tài)預(yù)測新方法*

    2015-05-09 06:49:27孟祥云
    傳感技術(shù)學報 2015年1期
    關(guān)鍵詞:訓練樣本瓦斯精度

    付 華,訾 海,孟祥云,孫 璐

    (1.遼寧工程技術(shù)大學電氣與控制工程學院,遼寧 葫蘆島 125105;2.國網(wǎng)遼寧省電力有限公司錦州供電公司,遼寧 錦州 121000)

    ?

    一種EKF-WLS-SVR與混沌時間序列分析的瓦斯動態(tài)預(yù)測新方法*

    付 華1*,訾 海1,孟祥云2,孫 璐1

    (1.遼寧工程技術(shù)大學電氣與控制工程學院,遼寧 葫蘆島 125105;2.國網(wǎng)遼寧省電力有限公司錦州供電公司,遼寧 錦州 121000)

    針對瓦斯?jié)舛葧r間序列高度的混沌特性,采用微熵率法同步確定最優(yōu)的嵌入維數(shù)與延遲時間,還原瓦斯涌出系統(tǒng)狀態(tài)空間。以無線傳感網(wǎng)絡(luò)系統(tǒng)采集并經(jīng)降噪處理后的瓦斯?jié)舛刃蛄凶鳛闃颖?。提出利用帶有整定因子的擴展卡爾曼濾波器(EKF)對加權(quán)最小二乘支持向量回歸機(WLS-SVR)的正則化參數(shù)γ與核參數(shù)σ進行快速尋優(yōu),并依據(jù)周期性更新的訓練樣本建立基于EKF-WLS-SVR耦合算法的動態(tài)預(yù)測模型以精確預(yù)測后續(xù)時間點的瓦斯?jié)舛?。通過MATLAB進行仿真,結(jié)果表明:EKF濾波器對提高WLS-SVR的擬合精度與學習效率方面有很大的幫助。相比于其他模型,該耦合模型具備更高的預(yù)測精度與更強的魯棒特性,有較高的實用價值。

    動態(tài)預(yù)測;瓦斯?jié)舛?混沌特性;無線傳感網(wǎng)絡(luò);WLS-SVR;EKF濾波器

    對回采工作面瓦斯?jié)舛冗M行實時監(jiān)測和準確預(yù)測是防治瓦斯突出災(zāi)害的關(guān)鍵也是煤礦安全生產(chǎn)的前提。以無線傳感網(wǎng)絡(luò)技術(shù)、數(shù)據(jù)庫技術(shù)以及數(shù)據(jù)采集技術(shù)為一體的瓦斯監(jiān)測系統(tǒng)是目前主流的綜合信息處理平臺。通過移動節(jié)點全覆蓋井下的監(jiān)測區(qū)域,能夠?qū)崿F(xiàn)對瓦斯?jié)舛鹊膶崟r監(jiān)測[1]。在預(yù)測算法方面,國內(nèi)外許多學者提出了支持向量機[2]、人工神經(jīng)網(wǎng)絡(luò)[3]、小波分析[4]、灰色理論[5]、D-S理論[6]等基于機器學習的預(yù)測方法。這些方法都是對瓦斯?jié)舛榷唐陬A(yù)測的有益探索。然而,由于回采工作面地質(zhì)條件的復雜性。開采期間的瓦斯涌出影響因素會發(fā)生一定程度的突變或漂移,致使井下現(xiàn)場采集的瓦斯?jié)舛葧r間序列表現(xiàn)為較強的非平穩(wěn)性、非線性和非高斯特性[7]。若采用單一的預(yù)測算法或固定的訓練樣本,預(yù)測模型的時效性不長,泛化能力上也有一定的缺陷,實用性不高。為此,本文進一步針對提高瓦斯?jié)舛冗B續(xù)預(yù)測的精度及可靠性方面展開了研究。

    基于結(jié)構(gòu)風險最小化的加權(quán)最小二乘支持向量回歸機(WLS-SVR)非常適合小樣本學習且擬合精度較高[8-9]。將WLS-SVR需要優(yōu)化的正則化參數(shù)γ與核參數(shù)σ作為擴展Kalman濾波器(EKF)的狀態(tài)向量進而對其進行最優(yōu)估計以得到全局最優(yōu)參數(shù)。為加強耦合算法對瓦斯?jié)舛然煦鐣r間序列預(yù)測的可靠性,提出了周期更新訓練樣本的在線動態(tài)預(yù)測方式。通過微熵率法同步求取最優(yōu)嵌入維數(shù)m與延遲時間τ以還原系統(tǒng)狀態(tài)空間,并在重構(gòu)的相空間里建立基于EKF-WLS-SVR耦合算法的預(yù)測模型來實現(xiàn)對回采工作面瓦斯?jié)舛鹊木珳暑A(yù)測。

    1 基于無線傳感網(wǎng)絡(luò)的瓦斯監(jiān)測系統(tǒng)

    無線傳感網(wǎng)絡(luò)瓦斯監(jiān)測系統(tǒng)由移動傳感器節(jié)點、固定傳感器節(jié)點以及井上信息處理中心3部分組成。其中,井下大量的移動節(jié)點依據(jù)通信空間關(guān)系或地理位置分為若干個簇并且以自組網(wǎng)的方式將感知的現(xiàn)場數(shù)據(jù)信息匯聚到簇首[10]。簇首以一個固定節(jié)點作為路由將信息通過光纖實時傳輸?shù)骄闲畔⑻幚碇行牡木W(wǎng)關(guān)服務(wù)器。井上監(jiān)控計算機處理信息后,實時顯示出瓦斯?jié)舛燃熬孪嚓P(guān)數(shù)據(jù)。

    圖1 無線傳感網(wǎng)絡(luò)瓦斯監(jiān)測系統(tǒng)架構(gòu)

    目前國內(nèi)的瓦斯監(jiān)測系統(tǒng)依然為落后的事后預(yù)警方式,即僅當瓦斯積聚超限時才報警,不具備對瓦斯?jié)舛融厔菅莼奶崆邦A(yù)測功能。因此,根據(jù)無線傳感網(wǎng)絡(luò)瓦斯監(jiān)測系統(tǒng)采集到的信息數(shù)據(jù),提出在井上監(jiān)控計算機上建立基于EKF-WLS-SVR的瓦斯動態(tài)預(yù)測模型,以實現(xiàn)一種可靠、精確且具備連續(xù)非接觸式預(yù)測能力的瓦斯災(zāi)害預(yù)警新方法。

    2 瓦斯?jié)舛然煦鐣r間序列分析

    由Takens定理可知,在選取合適的嵌入維數(shù)m和時間延遲τ的情況下,對一維瓦斯?jié)舛然煦鐣r間序列進行相空間重構(gòu)就可以在更高維的空間里,通過非線性回歸預(yù)測函數(shù)無奇異地擬合瓦斯涌出動力系統(tǒng)的演化軌跡[11-12]。

    2.1 選取最優(yōu)嵌入維數(shù)m與延遲時間τ

    以N個樣本數(shù)據(jù)與其Ns個替代數(shù)據(jù)之間的相空間微熵率最小為測度,同步考慮確定最優(yōu)的嵌入維數(shù)m與延遲時間τ。避免了兩個參數(shù)分開確定時造成算法上的矛盾。

    (1)

    ρj是第j個延遲矢量與最近鄰點之間的歐氏距離;CE≈0.577 2為歐拉常數(shù)。則數(shù)據(jù)序列熵率為:

    (2)

    其中,n為延遲矢量個數(shù)n=N-(m-1)τ;〈·〉i是Ns個替代數(shù)據(jù)的微熵H(xs,i)的平均值算子。

    Xi=[xi-(m-1)τ,xi-(m-2)τ,…,xi]T,i=(m-1)τ+1,…,N

    (3)

    2.2 在線更新訓練樣本的動態(tài)預(yù)測策略

    提出“滑動窗口”的思想,初始窗口數(shù)據(jù)序列{xj,…,xj+N-1}的長度為N。預(yù)測模型f僅以當前窗口數(shù)據(jù)序列按式(3)重構(gòu)后的訓練樣本所建立并且僅預(yù)測當前窗口之后的W個數(shù)據(jù)點。預(yù)測完成后,窗口向前滑動W個數(shù)據(jù)點并再次建立新的預(yù)測模型f′。即模型的更新周期為W。預(yù)測模型在線更新流程如下:

    ①將模型f有效期間預(yù)測的W個預(yù)測點替換原窗口數(shù)據(jù)序列中前W個數(shù)據(jù)點,則滑動后的窗口數(shù)據(jù)序列為{xj+W,…,xj+W+N-1}且窗口長度保持為N;

    ②再次根據(jù)微熵率法確定更新后的窗口數(shù)據(jù)序列的最佳嵌入維數(shù)m′與延遲時間τ′。將重構(gòu)出的N-(m′-1)τ′-1個相點作為預(yù)測模型f′的訓練樣本:

    {?Xj+W+(m′-1)τ′,xj+W+1+(m′-1)τ′」,…,?Xj+W+N-2,xj+W+N-1」}

    ③利用新的訓練樣本確立模型f′并再次預(yù)測出后續(xù)W個數(shù)據(jù)點,窗口向前滑動。循環(huán)以上過程直至指定的預(yù)測步數(shù)。

    更新后的窗口數(shù)據(jù)序列在時間上距離待測點更近。同時,對其以最優(yōu)的嵌入維數(shù)與延遲時間重構(gòu)出的訓練樣本能夠保證模型與待測點間存在最大相關(guān)性。即動態(tài)更新的樣本為預(yù)測模型提供了與當前瓦斯涌出非線性動力系統(tǒng)相匹配的先驗知識。

    3 WLS-SVR回歸算法

    WLS-SVR算法,繼承了LS-SVR求解的快速性并且根據(jù)訓練誤差對訓練樣本分配權(quán)重系數(shù)vi以增強了預(yù)測函數(shù)對異常點的抗干擾能力。解決了LS-SVR魯棒性缺失的問題。綜合考慮,采用WLS-SVR算法來擬合映射函數(shù)f:Rm→R以建立預(yù)測模型。

    定義樣本集為{(xi,yi)|i=1,2,…,N}。WLS-SVR函數(shù)逼近問題可以歸納為如下優(yōu)化問題:

    其中:γ為正則化參數(shù),ω為權(quán)矢量,δi為誤差變量,b為偏差量。構(gòu)造拉格朗日方程:

    對上式各變量求偏導并消去ω,δi??傻?

    (4)

    vi依據(jù)于標準LS-SVR誤差變量δi=αi/γ選取

    根據(jù)實際工程經(jīng)驗選取徑向基核函數(shù)K(xi,xj)=exp(-‖xi-xj‖2/2σ2)。由式(4)求解α*與b*,確定映射函數(shù):

    (5)

    4 EKF-WLS-SVR動態(tài)預(yù)測模型

    正則化參數(shù)γ與核參數(shù)σ的選取直接影響WLS-SVR的預(yù)測精度。因此,需要對這兩個參數(shù)進行全局尋優(yōu)。常用的K折交叉驗證法需要對訓練樣本進行反復的計算驗證,耗時極大。PSO等群優(yōu)化算法過度依賴初始粒子的設(shè)置,后期收斂速度慢、容易陷入局部極值。這些方法均不適合應(yīng)用于預(yù)測模型的在線學習。

    為此,提出將基于Kalman濾波迭代的最優(yōu)估計思想引入到WLS-SVR的參數(shù)尋優(yōu)上。將WLS-SVR的訓練過程等效成一個非線性離散系統(tǒng)的動態(tài)參數(shù)估計問題。即以最小無偏差為準則,隨觀測序列不斷對狀態(tài)向量進行重估。對于非線性系統(tǒng)要用到擴展Kalman濾波算法(EKF)[13-14]。

    4.1 引入整定因子ξ改進EKF算法

    對于一般非線性離散系統(tǒng)

    (6)

    則EKF濾波器的最優(yōu)估計迭代方程為:

    (7)

    在模型的訓練過程中,混沌的瓦斯?jié)舛刃蛄袝е掠^測噪聲具有未知的統(tǒng)計特性。為快速準確跟蹤樣本序列的隨機變化,引入一個整定因子ξ對誤差方差陣進行自適應(yīng)地調(diào)整。使EKF算法能夠快速迭代出滿足精度的最優(yōu)參數(shù)。定義整定因子:

    ξk=sup(1,tr[Nk-1]/tr[Mk-1])

    (8)

    ρ為遺忘因子且0<ρ≤1,一般取ρ=0.97。

    4.2 EKF優(yōu)化WLS-SVR

    圖2 基于WLS-SVR的單步預(yù)測

    引入整定因子ξ后濾波迭代過程變?yōu)?

    (9)

    當樣本觀測值中有突變點時,殘差ek會增大并直接導致殘差方差陣rk的增大,由式(8)可知整定因子ξk也會相應(yīng)增大。根據(jù)式(9)迭代過程,最終濾波增益Kk相應(yīng)變大。因此,通過整定因子ξ使得每次迭代時為響應(yīng)外界噪聲的突變所產(chǎn)生的自適應(yīng)調(diào)整作用最終落實到了對狀態(tài)向量的修正上,同時避免了濾波發(fā)散。所以,改進后的EKF更適合在線訓練以瓦斯混沌時間序列重構(gòu)為訓練樣本的WLS-SVR預(yù)測模型。

    EKF濾波器優(yōu)化WLS-SVR步驟:

    Step 1 對狀態(tài)向量的誤差協(xié)方差陣P0、系統(tǒng)噪聲的方差陣Q、觀測噪聲方差陣R進行初始化設(shè)定;

    Step 3 通過式(9)迭代方程計算當下的誤差方差陣P與濾波增益K并修正由WLS-SVR的參數(shù)γ與σ組成的狀態(tài)向量。

    圖3 EKF-WLS-SVR動態(tài)預(yù)測示意圖

    5 瓦斯?jié)舛阮A(yù)測試驗

    5.1 數(shù)據(jù)預(yù)處理

    試驗數(shù)據(jù)來自開灤礦業(yè)集團錢營礦2074綜采工作面的KJ90N煤礦安全綜合監(jiān)測系統(tǒng)。截取2013年12月份中的300個未發(fā)生瓦斯突出的瓦斯?jié)舛葘崪y數(shù)據(jù)和另外300個發(fā)生瓦斯突出異常時的瓦斯?jié)舛葘崪y數(shù)據(jù)作為研究對象。

    圖4 去噪后的瓦斯?jié)舛扔^測序列

    采用sym8小波基函數(shù)對觀測序列進行軟閾值濾波降噪并利用文獻[15]的方法計算兩組數(shù)據(jù)序列的最大Lyapunov指數(shù):λ1=0.024 795、λ2=0.085 316。均大于零,說明兩組瓦斯?jié)舛刃蛄芯哂谢煦缣匦郧姚?>λ1表明發(fā)生瓦斯突出異常時,數(shù)據(jù)序列(b)表現(xiàn)出的混沌行為更加明顯。

    5.2 預(yù)測過程

    時間窗初始化,即將260個觀測數(shù)據(jù)裝載到時間窗口。試驗選取訓練樣本更新周期W=20,模型f1預(yù)測前20個待測點。時間窗口滑動后建立模型f2并預(yù)測后20個待測點。利用式(2)對初始窗口數(shù)據(jù)序列求取微熵率并構(gòu)出熵率圖如圖5所示。

    圖5 瓦斯混沌時間序列熵率圖

    根據(jù)圖5初始窗口序列的微熵率最低點“★”分別對應(yīng)的m軸與τ軸的值求出m1=6,τ1=3。通過重構(gòu)相空間可得到244組訓練樣本建立模型f1。初始化EKF濾波器參數(shù):ρ=0.94,β=1.6,P0=50I,Q=40I,R=40I(I為2×2的單位陣);規(guī)定模型訓練的允許誤差范圍為10-4以下。

    EKF-WLS-SVR的訓練收斂效果如圖6所示,EKF濾波器優(yōu)化WLS-SVR時迭代到350次左右便達到了訓練誤差精度要求,相比PSO算法尋優(yōu)更快速并且收斂精度也提高了接近2個數(shù)量級。明顯提高了WLS-SVR的學習效率。

    圖6 EKF與PSO的收斂性對比

    5.3 試驗結(jié)果分析

    通過MATLAB2009a進行預(yù)測算法仿真,對數(shù)據(jù)序列(a)的40個待測點的預(yù)測結(jié)果如下:

    圖7 數(shù)據(jù)序列(a)的瓦斯?jié)舛阮A(yù)測值與實際值對比

    可以看出在未發(fā)生瓦斯突出時,基于動態(tài)訓練樣本的EKF-WLS-SVR預(yù)測模型對于變化趨勢平緩且均勻的瓦斯?jié)舛然煦缧蛄芯哂休^高的預(yù)測精度和泛化能力。最大相對誤差為2.17%,最小相對誤差僅為0.41%,平均相對誤差為1.05%。滿足煤礦實際安全生產(chǎn)的精度需求。

    圖8 預(yù)測結(jié)果相對誤差

    發(fā)生瓦斯突出時,從數(shù)據(jù)序列(b)中可以看出此時的瓦斯?jié)舛燃ぴ?變化幅度異常且含有較大的未知噪聲。分別利用EKF-WLS-SVR與LS-SVR對序列(b)后續(xù)40點進行預(yù)測。以對比突出耦合模型對數(shù)據(jù)異常時的預(yù)測魯棒性和可靠性。

    預(yù)測結(jié)果如圖9所示,EKF-WLS-SVR對于瓦斯突出時的預(yù)測平均相對誤差為4.72%,依然滿足實際精度要求,而LS-SVR卻為15.78%。表明WLS-SVR根據(jù)訓練誤差以建模貢獻度對樣本采取的加權(quán)策略從本質(zhì)上提高了模型對異常數(shù)據(jù)的魯棒性。使得耦合算法依然能夠準確跟蹤大幅度隨機突變情況下瓦斯?jié)舛刃蛄械淖兓?guī)律,預(yù)測效果明顯強于LS-SVR。同時引入了整定因子ξ的EKF濾波器能夠在線及時獲得最優(yōu)參數(shù),保證了模型的預(yù)測精度。

    圖9 數(shù)據(jù)序列(b)的瓦斯?jié)舛阮A(yù)測值與實際值對比

    圖10 動態(tài)樣本與固定樣本相對誤差對比

    為了突出動態(tài)樣本的優(yōu)越性,針對數(shù)據(jù)序列(a)以f1預(yù)測后20個待測點來模擬固定樣本的預(yù)測模式。f1與f2對后20個待測點的預(yù)測相對誤差如圖10所示。

    基于固定訓練樣本的f1在預(yù)測過程的后半段預(yù)測精度產(chǎn)生了明顯的偏差,最大相對誤差達到了5.73%,說明固定樣本的模型時效性有限。在混沌時間序列初值敏感性的影響下,固定樣本使得WLS-SVR回歸算法無法精確擬合與較遠待測點之間的映射關(guān)系。以相對均方根誤差RRMSE為評判標準來評估設(shè)置不同更新周期W時模型的預(yù)測效果。其表達式為:

    表1 預(yù)測效果對比分析

    RRMSE結(jié)果顯示基于動態(tài)更新訓練樣本的EKF-WLS-SVR預(yù)測模型的預(yù)測平均精度明顯高于基于固定樣本的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。W取值越小,WLS-SVR的支持向量更新越頻繁且預(yù)測模型越能表征當下的瓦斯涌出規(guī)律,使其具備更強的在線自適應(yīng)能力。在運行時間方面,與EKF相結(jié)合的WLS-SVR建模所需時間短,學習效率明顯提高。綜合考慮預(yù)測精度要求與運行時間,該耦合模型能夠?qū)崿F(xiàn)混沌時間序列的連續(xù)精確預(yù)測。對井下瓦斯?jié)舛鹊膶崟r監(jiān)測預(yù)警具有重大的實際指導意義。

    6 結(jié)論

    本文將基于Kalman濾波狀態(tài)空間最優(yōu)估計思想的EKF濾波器與WLS-SVR回歸算法有機結(jié)合起來,有效提高了WLS-SVR的預(yù)測精度與學習效率。同時,提出了在線更新訓練樣本的動態(tài)預(yù)測策略,使得EKF-WLS-SVR耦合模型能夠充分獲得與當下瓦斯涌出動力系統(tǒng)相匹配的先驗知識。保證了預(yù)測模型的時效性。利用EKF-WLS-SVR耦合算法建立的動態(tài)預(yù)測模型對井下瓦斯?jié)舛冗M行試驗,結(jié)果表明:該模型具有較強的魯棒性且預(yù)測精度明顯強于其他方法。能夠可靠地對井下回采工作面瓦斯?jié)舛融厔菅莼M行提前的精確預(yù)測。

    [1]王軍號,孟祥瑞.基于物聯(lián)網(wǎng)感知的煤礦安全監(jiān)測數(shù)據(jù)級融合研究[J].煤炭學報,2012,37(8):1401-1407.

    [2]劉俊娥,楊曉帆,郭章林.基于FIG-SVM的煤礦瓦斯?jié)舛阮A(yù)測[J].中國安全科學學報,2013,23(2):80-84.

    [3]王其軍,程久龍.基于免疫神經(jīng)網(wǎng)絡(luò)模型的瓦斯?jié)舛戎悄茴A(yù)測[J].煤炭學報,2008,33(6):665-669.

    [4]王曉路,劉健,盧建軍.基于小波變換和優(yōu)化預(yù)測器的瓦斯?jié)舛阮A(yù)測[J].應(yīng)用基礎(chǔ)與工程科學學報,2011,19(3):499-508.

    [5]董丁穩(wěn),李樹剛,常心坦,等.瓦斯?jié)舛葏^(qū)間預(yù)測的灰色聚類與高斯過程模型[J].中國安全科學學報,2011,21(5):40-45.

    [6]邵良杉,付貴祥.基于數(shù)據(jù)融合理論的煤礦瓦斯動態(tài)預(yù)測技術(shù)[J].煤炭學報,2008,33(5):551-555.

    [7]單亞鋒,侯福營,付華,等.基于改進極端學習機的混沌時間序列瓦斯涌出量預(yù)測[J].中國安全科學學報,2012,22(12):58-63.

    [8]Rubio G,Pomares H,Rojas I,et al.A Heuristic Method for Parameter Selection in LS-SVM:Application to Time Series Prediction[J].International Journal of Forecasting,2011,27(3):725-739.

    [9]Hwang J P,Park S,Kim E.A New Weighted Approach to Imbalanced Data Classification Problem Via Support Vector Machine with Quadratic Cost Function[J].Expert Systems with Applications,2011,38(7):8580-8585.

    [10]李紀榕,李福進,吳艷微,等.基于無線傳感網(wǎng)絡(luò)的煤礦安全監(jiān)測系統(tǒng)設(shè)計[J].傳感技術(shù)學報,2011,24(9):1336-1340.

    [11]Samanta B.Prediction of Chaotic Time Series Using Computational Intelligence[J].Expert Systems with Applications,2011,38(9):11406-11411.

    [12]Song J,Meng D,Wang Y.Analysis of Chaotic Behavior Based on Phase Space Reconstruction Methods[C]//Computational Intelligence and Design(ISCID),2013 Sixth International Symposium on.IEEE,2013,2:414-417.

    [13]Frogerais P,Bellanger J,Senhadji L.Various Ways to Compute the Continuous-Discrete Extended Kalman Filter[J].Automatic Control,IEEE Transactions on,2012,57(4):1000-1004.

    [14]徐耀松,李一博,付銅玲,等.有限空間液態(tài)場中基于優(yōu)化EKF的雙曲面水聲定位方法研究[J].傳感技術(shù)學報,2011,24(11):1579-1583.

    [15]張文超,譚思超,高璞珍.基于Lyapunov指數(shù)的搖擺條件下自然循環(huán)流動不穩(wěn)定性混沌預(yù)測[J].物理學報,2013,62(6):61-68.

    A New Method of Mine Gas Dynamic Prediction Based on EKF-WLS-SVR and Chaotic Time Series Analysis*

    FUHua1*,ZIHai1,MENGXiangyun2,SUNLu1

    (1.Faculty of Electrical and Control Engineering,Liaoning Technical University,Huludao Liaoning 125105,China;2.Jinzhou Power Supply Company of Liaoning Electrical Power Company of State Grid,Jinzhou Liaoning 121000,China)

    Considering highly chaotic characteristic of gas concentration time series,the differential entropy ratio method was adopted to synchronously determine optimal embedded dimension and delay time so as to restore the system state space of gas emission.The samples with noise elimination came from the gas concentration series which was collected by wireless sensor networks.Extended kalman filter algorithm(EKF)with tuning factor was proposed to rapidly optimize the regularization parameterγand the nuclear parameterσof the weighted least squares support vector regression(WLS-SVR).Periodically updated training samples were used to establish the EKF-WLS-SVR coupling algorithm-based dynamic prediction model to accurately predict gas concentration in the future.The simulation of the MATLAB shows that EKF is greatly helpful for improving WLS-SVR fitting precision and learning efficiency.The coupling model is practically useful and outperforms other prediction models in terms of prediction accuracy and robustness.

    dynamic prediction;gas concentration;chaotic characteristic;wireless sensor networks;WLS-SVR;EKF

    付 華(1962-),女,遼寧阜新人,教授,博士生導師,博士(后),主要研究方向為煤礦瓦斯檢測、智能檢測和數(shù)據(jù)融合技術(shù)。支持國家自然科學基金2項、支持及參與國家863和省部級項目30余項,發(fā)表學術(shù)論文40余篇,申請專利24項,fxfuhua@163.com;

    訾 海(1989-),男,遼寧阜新人,遼寧工程技術(shù)大學電氣與控制工程學院碩士研究生,主要研究方向為控制理論與控制工程,lngdzh001@163.com。

    項目來源:國家自然科學基金項目(51274118);遼寧省教育廳基金項目(L2012119);遼寧省科技攻關(guān)項目(2011229011)

    2014-07-08 修改日期:2014-10-09

    C:7230

    10.3969/j.issn.1004-1699.2015.01.022

    TP391;TP212

    A

    1004-1699(2015)01-0126-06

    猜你喜歡
    訓練樣本瓦斯精度
    人工智能
    11采區(qū)永久避難硐室控制瓦斯涌出、防止瓦斯積聚和煤層自燃措施
    基于DSPIC33F微處理器的采集精度的提高
    電子制作(2018年11期)2018-08-04 03:25:38
    高瓦斯礦井防治瓦斯異常涌出措施的應(yīng)用
    寬帶光譜成像系統(tǒng)最優(yōu)訓練樣本選擇方法研究
    融合原始樣本和虛擬樣本的人臉識別算法
    基于稀疏重構(gòu)的機載雷達訓練樣本挑選方法
    GPS/GLONASS/BDS組合PPP精度分析
    瓦斯探鉆鉆頭的一種改進
    改進的Goldschmidt雙精度浮點除法器
    免费看十八禁软件| 亚洲欧美色中文字幕在线| 啦啦啦在线免费观看视频4| 亚洲精品日韩在线中文字幕| 美女中出高潮动态图| 亚洲国产精品一区三区| 亚洲国产欧美一区二区综合| 亚洲国产毛片av蜜桃av| 91九色精品人成在线观看| 麻豆国产av国片精品| 美女中出高潮动态图| 脱女人内裤的视频| 嫁个100分男人电影在线观看 | 国产精品免费视频内射| 波多野结衣一区麻豆| 久久久精品免费免费高清| 99热全是精品| 亚洲中文日韩欧美视频| 一本色道久久久久久精品综合| 亚洲一码二码三码区别大吗| 男女无遮挡免费网站观看| 一级黄色大片毛片| 国产成人av激情在线播放| 免费在线观看黄色视频的| 久久精品国产亚洲av涩爱| 嫩草影视91久久| 国产av国产精品国产| 桃花免费在线播放| 大型av网站在线播放| 黄色一级大片看看| 国产伦理片在线播放av一区| 国产精品久久久av美女十八| 人人妻,人人澡人人爽秒播 | 少妇猛男粗大的猛烈进出视频| 亚洲精品国产色婷婷电影| 嫁个100分男人电影在线观看 | 中文字幕人妻熟女乱码| 老司机影院毛片| 国产xxxxx性猛交| 青春草视频在线免费观看| 国产又爽黄色视频| 好男人电影高清在线观看| 女人被躁到高潮嗷嗷叫费观| 天天躁夜夜躁狠狠躁躁| 亚洲中文字幕日韩| 一级a爱视频在线免费观看| 女人爽到高潮嗷嗷叫在线视频| 久久综合国产亚洲精品| 日日摸夜夜添夜夜爱| 我要看黄色一级片免费的| 亚洲精品日本国产第一区| 久久久精品区二区三区| 精品人妻一区二区三区麻豆| 亚洲人成77777在线视频| 久久精品久久久久久噜噜老黄| 国产一区二区 视频在线| 国产精品一区二区精品视频观看| 考比视频在线观看| 一级毛片女人18水好多 | 大陆偷拍与自拍| 日韩伦理黄色片| 国产精品免费大片| 国产高清videossex| 我的亚洲天堂| 精品少妇一区二区三区视频日本电影| 国产成人系列免费观看| 成人亚洲欧美一区二区av| 十八禁人妻一区二区| 七月丁香在线播放| 在线观看免费高清a一片| 老司机在亚洲福利影院| 国产精品一区二区精品视频观看| 国产野战对白在线观看| 人人妻人人澡人人爽人人夜夜| 天天躁夜夜躁狠狠久久av| 久久久精品国产亚洲av高清涩受| 亚洲,一卡二卡三卡| 水蜜桃什么品种好| 久久久久久久国产电影| 18禁国产床啪视频网站| 色精品久久人妻99蜜桃| 又粗又硬又长又爽又黄的视频| 一级毛片女人18水好多 | 性高湖久久久久久久久免费观看| 天天躁夜夜躁狠狠久久av| 99久久精品国产亚洲精品| 久久热在线av| 一级黄色大片毛片| 赤兔流量卡办理| 欧美日韩综合久久久久久| 又大又爽又粗| 夫妻午夜视频| 精品福利观看| 国产真人三级小视频在线观看| 欧美激情极品国产一区二区三区| 少妇裸体淫交视频免费看高清 | 大片免费播放器 马上看| 国产黄色视频一区二区在线观看| 成年动漫av网址| www.av在线官网国产| 天天躁夜夜躁狠狠久久av| 一级毛片 在线播放| av在线播放精品| 精品福利观看| 国产xxxxx性猛交| 久久国产精品大桥未久av| 亚洲精品日韩在线中文字幕| 午夜久久久在线观看| 看免费av毛片| 国产视频首页在线观看| 丝瓜视频免费看黄片| 亚洲自偷自拍图片 自拍| 午夜福利影视在线免费观看| 午夜两性在线视频| 国产一级毛片在线| 欧美在线黄色| 亚洲国产日韩一区二区| 国产成人精品久久二区二区91| 国产精品成人在线| 99热网站在线观看| 国产亚洲午夜精品一区二区久久| 青青草视频在线视频观看| 色视频在线一区二区三区| 最新在线观看一区二区三区 | 久久久久久久大尺度免费视频| 黄色视频在线播放观看不卡| 九色亚洲精品在线播放| 老司机亚洲免费影院| 日韩 亚洲 欧美在线| 一边摸一边做爽爽视频免费| 妹子高潮喷水视频| 少妇粗大呻吟视频| 午夜免费成人在线视频| 日本91视频免费播放| 欧美日韩亚洲高清精品| 一级a爱视频在线免费观看| 97精品久久久久久久久久精品| 老司机靠b影院| kizo精华| 亚洲av欧美aⅴ国产| 国产成人91sexporn| 久久99热这里只频精品6学生| 在现免费观看毛片| 午夜免费成人在线视频| 成在线人永久免费视频| bbb黄色大片| 黄色怎么调成土黄色| 久热爱精品视频在线9| 免费看av在线观看网站| 久久精品aⅴ一区二区三区四区| 国产精品av久久久久免费| 99热国产这里只有精品6| 久久午夜综合久久蜜桃| 国产亚洲一区二区精品| 久久天堂一区二区三区四区| 伊人亚洲综合成人网| 亚洲免费av在线视频| 久久青草综合色| 99热全是精品| kizo精华| 大香蕉久久成人网| 亚洲,一卡二卡三卡| 久久久精品区二区三区| 欧美日韩综合久久久久久| 精品福利永久在线观看| 亚洲欧洲国产日韩| 国产一区二区 视频在线| 9热在线视频观看99| 免费黄频网站在线观看国产| 欧美精品一区二区大全| 国产视频首页在线观看| 国产精品免费视频内射| 国产在线观看jvid| 日韩人妻精品一区2区三区| 国产一区二区 视频在线| 久久午夜综合久久蜜桃| 日韩 亚洲 欧美在线| 捣出白浆h1v1| 首页视频小说图片口味搜索 | av网站免费在线观看视频| av天堂久久9| 成年av动漫网址| 精品免费久久久久久久清纯 | 999精品在线视频| √禁漫天堂资源中文www| 超碰成人久久| 久久亚洲精品不卡| 欧美精品一区二区大全| 搡老乐熟女国产| 美女视频免费永久观看网站| 五月开心婷婷网| 精品国产乱码久久久久久小说| 啦啦啦在线免费观看视频4| 黄网站色视频无遮挡免费观看| 男女无遮挡免费网站观看| 日韩av不卡免费在线播放| 免费久久久久久久精品成人欧美视频| 一级黄色大片毛片| 国产在线视频一区二区| 国产成人一区二区三区免费视频网站 | 日本午夜av视频| 午夜福利视频精品| 精品亚洲乱码少妇综合久久| 欧美日韩综合久久久久久| 午夜老司机福利片| 精品第一国产精品| 久久午夜综合久久蜜桃| 亚洲午夜精品一区,二区,三区| 国产日韩欧美视频二区| 天天躁夜夜躁狠狠躁躁| 日韩精品免费视频一区二区三区| 免费在线观看完整版高清| 汤姆久久久久久久影院中文字幕| 精品欧美一区二区三区在线| 人妻人人澡人人爽人人| 国产日韩欧美亚洲二区| 最近中文字幕2019免费版| 女警被强在线播放| 啦啦啦视频在线资源免费观看| 久久久久久免费高清国产稀缺| 亚洲成人国产一区在线观看 | 午夜影院在线不卡| 国产国语露脸激情在线看| 亚洲一区中文字幕在线| 国产免费现黄频在线看| 成人18禁高潮啪啪吃奶动态图| av天堂在线播放| 电影成人av| 午夜福利视频精品| 国产成人一区二区在线| 又粗又硬又长又爽又黄的视频| 美女视频免费永久观看网站| 满18在线观看网站| 99九九在线精品视频| 80岁老熟妇乱子伦牲交| 精品欧美一区二区三区在线| 国产在线一区二区三区精| 亚洲七黄色美女视频| 久久久久国产一级毛片高清牌| 婷婷成人精品国产| a级毛片在线看网站| 久久 成人 亚洲| 国产亚洲av片在线观看秒播厂| cao死你这个sao货| 婷婷丁香在线五月| 成人国语在线视频| 国产精品久久久人人做人人爽| 午夜激情av网站| 欧美+亚洲+日韩+国产| www.999成人在线观看| 日韩熟女老妇一区二区性免费视频| 人成视频在线观看免费观看| 国产极品粉嫩免费观看在线| 免费在线观看日本一区| 999久久久国产精品视频| 午夜福利免费观看在线| 性少妇av在线| 国语对白做爰xxxⅹ性视频网站| 99久久人妻综合| 国产男女超爽视频在线观看| 亚洲伊人久久精品综合| 色播在线永久视频| 国产日韩欧美亚洲二区| 性色av乱码一区二区三区2| 日韩中文字幕视频在线看片| 丝袜脚勾引网站| 国产午夜精品一二区理论片| 超色免费av| 久久久精品94久久精品| 妹子高潮喷水视频| 九草在线视频观看| 亚洲免费av在线视频| www日本在线高清视频| 赤兔流量卡办理| 中国美女看黄片| 91九色精品人成在线观看| 欧美激情 高清一区二区三区| 国产成人欧美在线观看 | 电影成人av| 天天躁日日躁夜夜躁夜夜| 日韩一区二区三区影片| 亚洲中文av在线| 一级毛片电影观看| 久久国产精品男人的天堂亚洲| 精品国产乱码久久久久久小说| 亚洲精品第二区| 天堂中文最新版在线下载| av国产精品久久久久影院| 午夜福利乱码中文字幕| 午夜激情久久久久久久| 涩涩av久久男人的天堂| 一区二区av电影网| 亚洲国产成人一精品久久久| 狠狠婷婷综合久久久久久88av| 高潮久久久久久久久久久不卡| 日本五十路高清| 伊人亚洲综合成人网| 一区二区三区乱码不卡18| 亚洲成av片中文字幕在线观看| 欧美中文综合在线视频| 巨乳人妻的诱惑在线观看| 黄色片一级片一级黄色片| 国产亚洲一区二区精品| 18在线观看网站| 美女国产高潮福利片在线看| 男女免费视频国产| 亚洲欧美清纯卡通| 大陆偷拍与自拍| 国精品久久久久久国模美| 国产又色又爽无遮挡免| 黑人猛操日本美女一级片| 人人妻,人人澡人人爽秒播 | 免费看av在线观看网站| 一区二区三区精品91| 亚洲一区中文字幕在线| 国产成人精品久久二区二区91| 欧美日韩国产mv在线观看视频| 91精品三级在线观看| 伦理电影免费视频| 人妻 亚洲 视频| 成年女人毛片免费观看观看9 | 成人手机av| 国产精品免费视频内射| 久久久亚洲精品成人影院| 热99国产精品久久久久久7| 国产免费现黄频在线看| 亚洲中文日韩欧美视频| 午夜福利免费观看在线| 国产成人精品久久二区二区免费| 久久久久精品人妻al黑| 免费在线观看日本一区| 亚洲国产日韩一区二区| 国精品久久久久久国模美| 欧美黄色片欧美黄色片| 久久综合国产亚洲精品| 亚洲,欧美,日韩| 久久ye,这里只有精品| 日韩电影二区| 欧美中文综合在线视频| 久久久精品免费免费高清| 啦啦啦在线观看免费高清www| 日本91视频免费播放| 极品人妻少妇av视频| 久久人人97超碰香蕉20202| 欧美精品一区二区免费开放| 欧美日韩黄片免| 十八禁人妻一区二区| 亚洲欧美精品综合一区二区三区| 麻豆av在线久日| 国产免费一区二区三区四区乱码| 国产精品久久久人人做人人爽| 汤姆久久久久久久影院中文字幕| 国精品久久久久久国模美| 男女无遮挡免费网站观看| 久久99一区二区三区| 黄色怎么调成土黄色| 女人高潮潮喷娇喘18禁视频| 国产精品久久久久久人妻精品电影 | 不卡av一区二区三区| 欧美+亚洲+日韩+国产| 国产熟女欧美一区二区| 亚洲综合色网址| 97精品久久久久久久久久精品| 成人午夜精彩视频在线观看| 男女边摸边吃奶| 精品一区二区三区av网在线观看 | 久久精品人人爽人人爽视色| 中文精品一卡2卡3卡4更新| 999精品在线视频| 免费观看av网站的网址| 欧美日韩视频高清一区二区三区二| 午夜免费成人在线视频| 这个男人来自地球电影免费观看| 国产免费视频播放在线视频| 成人午夜精彩视频在线观看| 国产一区二区在线观看av| 国产精品国产三级国产专区5o| 人人妻人人澡人人爽人人夜夜| 久久久精品94久久精品| 乱人伦中国视频| 免费人妻精品一区二区三区视频| 人妻人人澡人人爽人人| 99re6热这里在线精品视频| 亚洲国产欧美在线一区| 欧美成人精品欧美一级黄| 麻豆国产av国片精品| 免费在线观看影片大全网站 | 侵犯人妻中文字幕一二三四区| 一级片免费观看大全| 下体分泌物呈黄色| 又大又爽又粗| 美女视频免费永久观看网站| 人人妻人人澡人人看| 黑人巨大精品欧美一区二区蜜桃| 日本vs欧美在线观看视频| 亚洲精品国产av蜜桃| 国产黄色免费在线视频| 国产成人一区二区三区免费视频网站 | 尾随美女入室| 国产精品免费大片| 999久久久国产精品视频| 男女免费视频国产| 国产成人a∨麻豆精品| 国产xxxxx性猛交| 最近最新中文字幕大全免费视频 | 人人妻,人人澡人人爽秒播 | 操美女的视频在线观看| 精品少妇一区二区三区视频日本电影| 色网站视频免费| 两个人看的免费小视频| 搡老岳熟女国产| 18禁黄网站禁片午夜丰满| 日韩 亚洲 欧美在线| 人体艺术视频欧美日本| 久久99热这里只频精品6学生| av欧美777| 午夜老司机福利片| 天堂俺去俺来也www色官网| 精品国产乱码久久久久久男人| 色视频在线一区二区三区| 精品一区二区三卡| 日韩伦理黄色片| 亚洲成人免费电影在线观看 | 国产精品久久久久成人av| 九草在线视频观看| 伦理电影免费视频| www.999成人在线观看| 中文字幕av电影在线播放| 亚洲av电影在线进入| 少妇猛男粗大的猛烈进出视频| 久久国产精品大桥未久av| 中文字幕精品免费在线观看视频| 母亲3免费完整高清在线观看| 精品少妇一区二区三区视频日本电影| 后天国语完整版免费观看| 亚洲国产精品一区三区| kizo精华| 免费一级毛片在线播放高清视频 | 亚洲第一青青草原| 一级毛片女人18水好多 | 赤兔流量卡办理| 国产黄色免费在线视频| 97人妻天天添夜夜摸| 建设人人有责人人尽责人人享有的| 久久久国产欧美日韩av| 美女主播在线视频| 丝袜在线中文字幕| 亚洲精品久久久久久婷婷小说| 国产精品99久久99久久久不卡| 免费观看人在逋| 日日爽夜夜爽网站| 国产成人一区二区在线| 国产男女内射视频| 亚洲精品一区蜜桃| 国产一区二区三区av在线| 丝袜脚勾引网站| 男女之事视频高清在线观看 | 一级a爱视频在线免费观看| 狠狠婷婷综合久久久久久88av| 中文字幕av电影在线播放| 深夜精品福利| 精品一区在线观看国产| 欧美97在线视频| 一本—道久久a久久精品蜜桃钙片| 女人被躁到高潮嗷嗷叫费观| 免费人妻精品一区二区三区视频| 9热在线视频观看99| 久久精品国产亚洲av高清一级| 午夜91福利影院| 成人免费观看视频高清| 欧美大码av| 少妇被粗大的猛进出69影院| 美女扒开内裤让男人捅视频| 国产精品二区激情视频| 一级毛片我不卡| av网站免费在线观看视频| 亚洲精品在线美女| 99久久精品国产亚洲精品| 精品视频人人做人人爽| 亚洲欧美日韩高清在线视频 | 99re6热这里在线精品视频| 丝袜美足系列| av网站免费在线观看视频| 免费看av在线观看网站| 99热网站在线观看| 久久久精品免费免费高清| 日本av手机在线免费观看| 国产成人精品在线电影| 午夜激情av网站| 麻豆国产av国片精品| 国产野战对白在线观看| 久久久久精品国产欧美久久久 | 欧美日韩综合久久久久久| 手机成人av网站| 国产精品成人在线| videos熟女内射| 男女国产视频网站| 久久精品人人爽人人爽视色| 美女国产高潮福利片在线看| 成人黄色视频免费在线看| 精品人妻一区二区三区麻豆| 精品一区在线观看国产| 色94色欧美一区二区| 曰老女人黄片| 欧美日韩一级在线毛片| 波多野结衣av一区二区av| 久久ye,这里只有精品| 看免费成人av毛片| 不卡av一区二区三区| 只有这里有精品99| 精品亚洲成a人片在线观看| 免费久久久久久久精品成人欧美视频| 午夜福利乱码中文字幕| 国产精品三级大全| 亚洲精品美女久久av网站| 99国产精品一区二区三区| 国产精品偷伦视频观看了| av在线app专区| 久久ye,这里只有精品| 成人亚洲精品一区在线观看| 狂野欧美激情性bbbbbb| 日本一区二区免费在线视频| 日韩 欧美 亚洲 中文字幕| 亚洲欧美日韩高清在线视频 | 国产免费现黄频在线看| 国产黄色视频一区二区在线观看| 国产国语露脸激情在线看| 久久精品熟女亚洲av麻豆精品| 啦啦啦中文免费视频观看日本| 欧美激情高清一区二区三区| 天堂俺去俺来也www色官网| av片东京热男人的天堂| 国产一卡二卡三卡精品| 精品久久久精品久久久| 免费看十八禁软件| 久久精品国产a三级三级三级| 免费av中文字幕在线| 国产免费现黄频在线看| 一级黄色大片毛片| 免费不卡黄色视频| 宅男免费午夜| 人妻人人澡人人爽人人| 国产色视频综合| 久久久国产欧美日韩av| 黄片播放在线免费| 亚洲欧美一区二区三区黑人| 老司机靠b影院| 大片电影免费在线观看免费| 大香蕉久久网| 狂野欧美激情性bbbbbb| 少妇人妻久久综合中文| 免费在线观看完整版高清| 一本大道久久a久久精品| 国产一区二区三区av在线| 国产日韩欧美在线精品| av在线播放精品| 男的添女的下面高潮视频| 亚洲欧美日韩另类电影网站| 久久九九热精品免费| 午夜精品国产一区二区电影| 少妇人妻久久综合中文| 精品国产一区二区三区四区第35| 欧美国产精品一级二级三级| 高清视频免费观看一区二区| 啦啦啦在线免费观看视频4| 大香蕉久久网| 亚洲国产欧美网| 亚洲七黄色美女视频| 欧美精品亚洲一区二区| 只有这里有精品99| 少妇粗大呻吟视频| 性少妇av在线| 欧美在线黄色| 激情五月婷婷亚洲| 国产一区二区三区综合在线观看| 丁香六月欧美| 久久中文字幕一级| 国产精品久久久久久精品电影小说| 亚洲精品自拍成人| 久久精品久久久久久久性| 国产欧美日韩综合在线一区二区| 嫩草影视91久久| 狂野欧美激情性xxxx| 80岁老熟妇乱子伦牲交| 91老司机精品| 国产高清不卡午夜福利| 91精品伊人久久大香线蕉| 精品国产一区二区三区久久久樱花| 我要看黄色一级片免费的| 久久免费观看电影| 黄色 视频免费看| e午夜精品久久久久久久| 日韩 欧美 亚洲 中文字幕| 久久影院123| 成年人免费黄色播放视频| netflix在线观看网站| 狠狠婷婷综合久久久久久88av| 777久久人妻少妇嫩草av网站| 如日韩欧美国产精品一区二区三区| 午夜精品国产一区二区电影| 最新在线观看一区二区三区 | 国产黄色免费在线视频| 飞空精品影院首页| 女人精品久久久久毛片| 久久精品aⅴ一区二区三区四区| 人人澡人人妻人| av有码第一页| 免费日韩欧美在线观看| 色精品久久人妻99蜜桃| 欧美成人精品欧美一级黄| 七月丁香在线播放| 成人午夜精彩视频在线观看| 校园人妻丝袜中文字幕| 午夜福利影视在线免费观看| 精品一品国产午夜福利视频|