[发明专利]一种改进量子粒子群优化的瓦斯信号演化趋势预测方法

权利要求书

1.一种改进量子粒子群优化的瓦斯信号演化趋势预测方法，其特征在于：包括以下步骤：

S1：通过井下瓦斯传感器收集瓦斯信号时间序列数据，形成瓦斯信号时间序列库；

S2：对存储到瓦斯信号时间序列库中的瓦斯信号数据进行小波去噪预处理；

S3：基于最小微熵率法同时计算瓦斯信号时间序列的延迟时间τ和嵌入维数m；

S4：将处理后的瓦斯信号序列基于改进的量子粒子群算法预测瓦斯信号演化趋势；

S5：利用改进的量子粒子群算法优化Elman算法的权值和阈值ω和θ。

2.如权利要求1所述的改进量子粒子群优化的瓦斯信号演化趋势预测方法，其特征在于：所述S2的具体过程为：含噪瓦斯信号表示为x_i，n表示自然数，对信号应用阈值法进行去噪。

3.如权利要求2所述的改进量子粒子群优化的瓦斯信号演化趋势预测方法，其特征在于：所述阈值法如公式(1)所示：

其中，T_h代表对信号x_i做h距离的时域平移，(T_hx_i)＝x_(i+h)time为经平移处理后的信号，W(T_hx_i)代表去噪信号，T_-h(W(T_hx_i)代表经反向循环平移处理的去噪信号，Ave表示“平均化处理”；H_n＝{h|0≤h≤n}，h为正整数。

4.如权利要求1所述的改进量子粒子群优化的瓦斯信号演化趋势预测方法，其特征在于：所述S3的具体过程为：用最小微熵率法同时求取去噪后瓦斯信号时间序列的延迟时间τ及嵌入维数m，获取最佳重构参数，重构序列相空间，对于瓦斯信号时间序列x(t)(t＝1,2,…,n)，N_r个替代数据x_r,i(t)，i＝1,2,3，…，N_r，N_r为整数，其微熵如公式(2)所示：

其中：ρ_j为第j个延迟向量与其最近邻点间位置的欧氏距离；O≈0.5772为欧拉常数，则可得给定序列微熵率，如公式(3)所示：

其中，N(N＝n-(m-1)τ)为延迟向量个数；＜·＞_i为求解N_r个替代数据微熵H(x_r,i)的平均值算子，在上式所得结果中筛选出最小微熵率值，其所对应的τ、m值即为相空间重构的最优参数，经重构后相空间向量表示为X_i＝(x_i,x_i+τ,…,x_i+(m-1)τ)∈R^m，式中：i＝1,2,…,M，M＝N-(m-1)τ。