矿井瓦斯浓度Lagrange-ARIMA实时预测模型研究

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0.0118。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。