基于混沌时间序列与RBF神经网络的煤层气产能预测
本文主要应用相空间重构理论,研究了煤层产气量时间序列的混沌特性,并计算产气量时间序列数据的关联维数、最大Lyapunov指数,证实产气量数据存在混沌现象.RBF(径向基函数)神经网络在非线性预测方面具有优良表现,但神经网络模型的输入神经元个数的选取还没有一个明确的解析式来表达,为解决这个问题,把对产气量时间序列进行相空间重构后计算出的关联维数作为RBF神经网络模型的神经元个数.据此把混沌时间序列和RBF神经网络结合起来,对煤层气产能进行预测,通过实例验证,该方法具有较高的精度,也为煤层气产能预测研究提供了一个新的思路.
煤层气开发 产能预测 时间序列 混沌特性 神经网络
孙艳芳
中国矿业大学资源与地球科学学院 江苏徐州221116
国内会议
杭州
中文
221-228
2013-09-23（万方平台首次上网日期，不代表论文的发表时间）