摘要: 为了在煤矿瓦斯涌出量相关影响因素的作用发生改变时,还能够准确预测瓦斯涌出量,提出一种基于虚拟状态变量的卡尔曼滤波预测方法。将相关影响因素通过能够识别瓦斯涌出量模型的非线性网络进行映射,用所得到的输出向量作为虚拟状态变量,提出预测残差方差比检验方法,计算虚拟状态变量的最佳维数,确定能够反映当前瓦斯涌出量的最小样本个数的储量样本。采用基于储量样本计算得到具有最佳维数的虚拟状态变量,建立卡尔曼滤波瓦斯涌出量预测模型。结果表明:对于瓦斯涌出量相关因素作用发生变化的情形,采用固定的训练样本和网络结构建立的基于人工神经网络的预测方法,预测结果的平均误差为5.82%,最大误差为16.56%,采用动态调整的虚拟状态变量建立的卡尔曼滤波预测方法具有较好的跟踪能力和反应速度,预测性能明显改善,其平均误差为0.94%,最大误差为2.08%,表明所建议的方法是可行和有效的。