【摘要】：為提高不平衡數(shù)據(jù)下少數(shù)類(lèi)樣本的自然發(fā)火預(yù)測(cè)精度,建立基于K-means-ReliefHSMOTE-SVM的采空區(qū)自然發(fā)火預(yù)測(cè)模型。首先,應(yīng)用K-means法優(yōu)化Relief方法,篩選自然發(fā)火指標(biāo),以彌補(bǔ)Relief指標(biāo)篩選方法導(dǎo)致發(fā)火特征權(quán)重值偏大的缺陷;其次,針對(duì)合成少數(shù)類(lèi)過(guò)采樣(SMOTE)方法在處理不平衡數(shù)據(jù)時(shí)出現(xiàn)的因插值空間過(guò)小導(dǎo)致過(guò)擬合等問(wèn)題,提出基于h維空間的過(guò)采樣算法(HSMOTE),使自然發(fā)火數(shù)據(jù)集趨于平衡;應(yīng)用支持向量機(jī)(SVM)預(yù)測(cè)降維、平衡后的發(fā)火數(shù)據(jù);最后,選用張家口宣東2號(hào)煤礦實(shí)測(cè)樣本試驗(yàn)50次,并對(duì)比所建模型。結(jié)果表明:用所建模型能提取關(guān)鍵特征因子,克服SMOTE方法的缺陷,有效提升SVM在不平衡數(shù)據(jù)下對(duì)少數(shù)類(lèi)發(fā)火樣本的預(yù)測(cè)精度和幾何平均正確率。
[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.
【作者單位】： 遼寧工程技術(shù)大學(xué)系統(tǒng)工程研究所;
【基金】：國(guó)家自然科學(xué)基金資助(71371091)
【分類(lèi)號(hào)】：TD752.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張丑宏;;基于灰色理論的礦井自然發(fā)火預(yù)測(cè)模型及應(yīng)用[J];山西煤炭;2006年02期

2 施式亮,劉寶琛;基于人工神經(jīng)網(wǎng)絡(luò)的礦井自然發(fā)火預(yù)測(cè)模型及應(yīng)用[J];西安礦業(yè)學(xué)院學(xué)報(bào);1999年02期

3 王正輝;劉勝;劉佩;;井下型自然發(fā)火預(yù)測(cè)預(yù)報(bào)監(jiān)測(cè)系統(tǒng)的開(kāi)發(fā)[J];礦業(yè)安全與環(huán)保;2006年02期

4 邊洪臣;宋進(jìn)臣;;大雁二礦煤層自然發(fā)火預(yù)測(cè)預(yù)報(bào)分析[J];煤礦安全;2007年12期

5 田曉平;;石炭二疊系高瓦斯近距離煤層組自然發(fā)火預(yù)測(cè)預(yù)報(bào)綜合指標(biāo)體系[J];煤礦安全;2012年01期

6 梁運(yùn)濤;;煤炭自然發(fā)火預(yù)測(cè)預(yù)報(bào)的氣體指標(biāo)法[J];煤炭科學(xué)技術(shù);2008年06期

7 鄧軍,徐精彩,阮國(guó)強(qiáng),王秀林;國(guó)內(nèi)外煤炭自然發(fā)火預(yù)測(cè)預(yù)報(bào)技術(shù)綜述[J];西安礦業(yè)學(xué)院學(xué)報(bào);1999年04期

8 倪家升;常軍;劉統(tǒng)玉;王昌;宋志強(qiáng);翟瑞占;;基于光纖氣體檢測(cè)技術(shù)的煤礦自然發(fā)火預(yù)測(cè)預(yù)報(bào)系統(tǒng)[J];應(yīng)用光學(xué);2009年06期

9 楊坤元;;山南井煤炭自然發(fā)火預(yù)測(cè)初探[J];江西煤炭科技;2006年01期

10 孟倩;王永勝;周延;;基于粗集-支持向量機(jī)的采空區(qū)自然發(fā)火預(yù)測(cè)[J];煤炭學(xué)報(bào);2010年12期

相關(guān)會(huì)議論文 前4條

1 王新成;;煤炭自然發(fā)火預(yù)測(cè)預(yù)報(bào)技術(shù)及其應(yīng)用[A];第3屆全國(guó)煤炭工業(yè)生產(chǎn)一線(xiàn)青年技術(shù)創(chuàng)新文集[C];2008年

2 尚盈;魏玉賓;王昌;李艷芳;張婷婷;;可調(diào)諧半導(dǎo)體激光吸收光譜技術(shù)在自然發(fā)火預(yù)測(cè)預(yù)報(bào)中的應(yīng)用研究[A];全國(guó)光電子與量子電子學(xué)技術(shù)大會(huì)論文集[C];2011年

3 趙曉舉;;高突礦井自然發(fā)火預(yù)測(cè)預(yù)報(bào)指標(biāo)參數(shù)的研究[A];第六屆全國(guó)煤炭工業(yè)生產(chǎn)一線(xiàn)青年技術(shù)創(chuàng)新文集[C];2011年

4 ;高角俯偽斜綜放面自然發(fā)火預(yù)測(cè)預(yù)報(bào)及其防治技術(shù)[A];河北省煤炭工業(yè)科學(xué)技術(shù)工作會(huì)議論文集[C];2006年

相關(guān)碩士學(xué)位論文 前8條

1 武術(shù)靜;基于灰色馬氏鏈理論的煤自然發(fā)火預(yù)測(cè)研究[D];河南理工大學(xué);2014年

2 王華;巷道煤體自然發(fā)火預(yù)測(cè)方法的研究與應(yīng)用[D];西安科技學(xué)院;2002年

3 王在明;金橋礦1391高檔面自然發(fā)火預(yù)測(cè)研究[D];山東科技大學(xué);2006年

4 肖e，

本文編號(hào)：2197770