矿井瓦斯浓度Lagrange-ARIMA实时预测模型研究

王鹏^1,2,3，伍永平^4,5，王栓林^4,6,7，宋超^1,2,3，吴学明^2,3

1. 西安科技大学安全科学与工程学院2. 煤炭绿色安全高效开采国家地方联合工程研究中心3. 陕西煤业化工技术研究院有限责任公司现代煤炭开采技术研究所4. 西安科技大学能源学院5. 西安科技大学西部矿井开采及灾害防治教育部重点实验室6. 煤炭科学技术研究院有限公司安全分院7. 煤炭资源高效开采与洁净利用国家重点实验室

摘 要：矿井瓦斯浓度监测是瓦斯事故最直接有效的防控手段之一,为提高监测信息的利用效率,提出了一种瓦斯浓度Lagrange-ARIMA实时预测模型。首先应用拉伊达准则实现瓦斯浓度监测缺失值构建,其次采用滑动Lagrange插值方法进行缺失值预测,最后基于自回归差分移动平均模型（ARIMA）序贯学习,依据L1范数最小化原则,确定出Lagrange-ARIMA序贯学习窗口合适尺度,进行瓦斯浓度实时预测。实例仿真显示:Lagrange-ARIMA实时预测模型处理瓦斯浓度时间序列缺失值平均误差为1.397%,当序贯学习窗口尺度为85时,预测的瓦斯浓度序列平均绝对误差（MAE）为0.011 8。相比传统ARIMA静态学习模型,建立的Lagrange-ARIMA模型学习窗口尺度降低了90.3%,建模复杂度显著降低,MAE降低了16.3%,预测精度能满足现场需求。

关键词：数据预处理;Lagrange插值;瓦斯浓度;自回归差分移动平均模型(ARIMA);实时预测;