TY -的A2 Alexandridis Alex AU -吴,“三盟——你们,翼城县AU -胡,岩非盟-王,大殿Qihu盟——江、惠民AU -李,温PY - 2020 DA - 2020/06/08 TI - EMD-GM-ARMA矿业安全生产形势预测模型SP - 1341047六世- 2020 AB -为了提高煤矿安全生产形势的预测精度和删除的非平稳时间序列模型选择的难度,灰色(GM)自回归移动平均(ARMA)模型基于经验模态分解(EMD)方法。首先,根据矿山安全事故时间序列的非平稳的特点,原始的非平稳时间序列分解为高,低频信号使用EMD算法,分别代表总体趋势和随机干扰。随后,通用模型被用来预测高频信号序列,尽管ARMA模型被用来预测低频信号序列。最后,旨在预测矿业安全生产形势,通过叠加EMD-GM-ARMA模型构造每个子序列的预测结果,从而与ARIMA模型相比,小波神经网络模型,PSO-SVM模型。结果表明EMD-GM-ARMA模型和PSO-SVM模型的短期预测,预测精度最高,小波神经网络预测精度最低。PSO-SVM模型在中长期预测的预测精度降低虽然EMD-GM-ARMA模型仍能保持较高的预测精度。此外,EMD-GM-ARMA模型的相对误差波动相对稳定在短期和中期预测。这表明EMD-GM-ARMA模型可以提供高精度与高稳定性预测,证明该模型是可行和有效的预测矿业安全生产情况。SN - 1076 - 2787你——https://doi.org/10.1155/2020/1341047——10.1155 / 2020/1341047 JF - PB - Hindawi KW - ER -复杂性