Resumen

Con el fin de mejorar la precisión de predicción de la situación de producción de seguridad minera y eliminar la dificultad de selección de modelos para series temporales no estacionarias, se propone un modelo autoregresivo de media móvil gris (GM) basado en la descomposición en modos empíricos (EMD). En primer lugar, de acuerdo con las características no estacionarias de la serie temporal de accidentes de seguridad minera, las series temporales originales no estacionarias se descompusieron en señales de alta y baja frecuencia utilizando el algoritmo EMD, que representan la tendencia general y las perturbaciones aleatorias, respectivamente. Posteriormente, se utilizó el modelo GM para predecir la secuencia de señales de alta frecuencia, mientras que el modelo ARMA se utilizó para predecir la secuencia de señales de baja frecuencia. Finalmente, con el objetivo de predecir la situación de producción de seguridad minera, se construyó el modelo EMD-GM-ARMA mediante la superposición de los resultados de predicción de cada subsecuencia, comparándolo

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Mejorar; Precisión de predicción; Producción de seguridad minera; Modelo EMD-GM-ARMA; Modelo PSO-SVM; Alta estabilidad
• Keywords:Improve; Prediction accuracy; Mining safety production; EMD-GM-ARMA model; PSO-SVM model; High stability