基于经验模态分解的煤矿设备温度预测

摘要：

煤矿设备出现故障时,设备温度会迅速上升,表现出非线性和非平稳性的特点.为了较准确地预测温度异常,采用了基于经验模态分解(EMD)的神经网络方法对设备温度进行预测.该方法首先采用经验模态分解算法对设备温度时间序列进行分解,得到若干个平稳性较好的本征模态函数(IMF)分量和一个剩余量.然后分别对各分量及剩余量进行神经网络预测.仿真结果表明,基于EMD的神经网络预测方法比单一神经网络预测方法,预测精度更高,对于温度异常预测更有效.

关键词：经验模态分解、本征模态函数、设备温度、温度异常、混沌、BP神经网络

所属期刊栏目：13

分类号：TD752.1(矿山安全与劳动保护)

资助基金：陕西省教育厅科研计划项目11JK0984

在线出版日期：2013-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：7298-7301