不平衡数据下的采空区自然发火预测研究

发布时间：2018-08-22 17:09

【摘要】：为提高不平衡数据下少数类样本的自然发火预测精度,建立基于K-means-ReliefHSMOTE-SVM的采空区自然发火预测模型。首先,应用K-means法优化Relief方法,筛选自然发火指标,以弥补Relief指标筛选方法导致发火特征权重值偏大的缺陷;其次,针对合成少数类过采样(SMOTE)方法在处理不平衡数据时出现的因插值空间过小导致过拟合等问题,提出基于h维空间的过采样算法(HSMOTE),使自然发火数据集趋于平衡;应用支持向量机(SVM)预测降维、平衡后的发火数据;最后,选用张家口宣东2号煤矿实测样本试验50次,并对比所建模型。结果表明:用所建模型能提取关键特征因子,克服SMOTE方法的缺陷,有效提升SVM在不平衡数据下对少数类发火样本的预测精度和几何平均正确率。
[Abstract]:In order to improve the prediction accuracy of spontaneous combustion of a few kinds of samples under unbalanced data, a prediction model of spontaneous combustion in goaf based on K-means-ReliefHSMOTE-SVM is established. Firstly, the K-means method is used to optimize the Relief method to screen the natural ignition index to make up for the deficiency of the Relief index screening method which leads to the higher weight of the ignition feature. In order to solve the problem of over-fitting caused by too small interpolation space in a few kinds of over-sampling (SMOTE) methods, an H-dimensional oversampling algorithm (HSMOTE),) is proposed to balance the spontaneous ignition data set. Support vector machine (SVM) (SVM) is used to predict the combustion data after dimensionality reduction and balance. Finally, 50 tests are carried out in Xuandong No. 2 Coal Mine, Zhangjiakou, and the established model is compared. The results show that the proposed model can extract the key feature factors, overcome the defects of SMOTE method, and effectively improve the prediction accuracy and geometric average accuracy of SVM for a small number of ignition samples under unbalanced data.
【作者单位】： 辽宁工程技术大学系统工程研究所;
【基金】：国家自然科学基金资助(71371091)
【分类号】：TD752.2

【相似文献】

相关期刊论文 前10条

1 张丑宏;;基于灰色理论的矿井自然发火预测模型及应用[J];山西煤炭;2006年02期

2 施式亮,刘宝琛;基于人工神经网络的矿井自然发火预测模型及应用[J];西安矿业学院学报;1999年02期

3 王正辉;刘胜;刘佩;;井下型自然发火预测预报监测系统的开发[J];矿业安全与环保;2006年02期

4 边洪臣;宋进臣;;大雁二矿煤层自然发火预测预报分析[J];煤矿安全;2007年12期

5 田晓平;;石炭二叠系高瓦斯近距离煤层组自然发火预测预报综合指标体系[J];煤矿安全;2012年01期

6 梁运涛;;煤炭自然发火预测预报的气体指标法[J];煤炭科学技术;2008年06期

7 邓军,徐精彩,阮国强,王秀林;国内外煤炭自然发火预测预报技术综述[J];西安矿业学院学报;1999年04期

8 倪家升;常军;刘统玉;王昌;宋志强;翟瑞占;;基于光纤气体检测技术的煤矿自然发火预测预报系统[J];应用光学;2009年06期

9 杨坤元;;山南井煤炭自然发火预测初探[J];江西煤炭科技;2006年01期

10 孟倩;王永胜;周延;;基于粗集-支持向量机的采空区自然发火预测[J];煤炭学报;2010年12期

相关会议论文 前4条

1 王新成;;煤炭自然发火预测预报技术及其应用[A];第3届全国煤炭工业生产一线青年技术创新文集[C];2008年

2 尚盈;魏玉宾;王昌;李艳芳;张婷婷;;可调谐半导体激光吸收光谱技术在自然发火预测预报中的应用研究[A];全国光电子与量子电子学技术大会论文集[C];2011年

3 赵晓举;;高突矿井自然发火预测预报指标参数的研究[A];第六届全国煤炭工业生产一线青年技术创新文集[C];2011年

4 ;高角俯伪斜综放面自然发火预测预报及其防治技术[A];河北省煤炭工业科学技术工作会议论文集[C];2006年

相关硕士学位论文 前8条

1 武术静;基于灰色马氏链理论的煤自然发火预测研究[D];河南理工大学;2014年

2 王华;巷道煤体自然发火预测方法的研究与应用[D];西安科技学院;2002年

3 王在明;金桥矿1391高档面自然发火预测研究[D];山东科技大学;2006年

4 肖e，

本文编号：2197770