中国安全科学学报

作者：吴孟龙, 叶义成, 胡南燕, 王其虎, 李文, 江慧敏

单位：1 武汉科技大学 资源与环境工程学院,湖北 武汉 430081;；2 武汉科技大学 湖北省工业安全工程技术研究中心,湖北 武汉 430081

关键词：差分自回归滑动平均(ARIMA),模糊信息粒化(FIG),支持向量机(SVM),矿业安全生产态势,区间预测

基金：国家自然科学基金资助(51704213); 中央引导地方科技发展专项(2019ZYYD060)。

为提高矿业安全生产态势的预测精度,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,提出一种基于模糊信息粒化(FIG)的矿业安全生产态势区间预测模型。首先,将矿业安全生产态势时间序列映射为L、R、U等3个粒化参数序列;然后,采用差分自回归滑动平均(ARIMA)模型预测模糊粒子序列中的线性部分,得到非线性残差序列;最后,将非线性的残差序列作为输入变量建立支持向量机(SVM)模型,将ARIMA模型的预测结果与SVM模型的残差序列预测值叠加,得到矿业安全生产态势时间序列的区间预测值。结果表明:用21组测试集样本验证基于FIG的区间预测模型的精度,得到L、R、U参数值的平均相对误差分别为10.834 57%、 20.207 90%、0.651 97%;基于FIG的矿业安全生产态势区间预测模型拟合效果优于ARIMA和SVM,精确度较高且区间范围较为合理。

来源：2021年第9期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2021年第9期