面向不平衡数据集的煤矿监测系统异常数据识别方法
冀汶莉
郗刘涛
王斌
1.西安科技大学通信与信息工程学院,陕西西安 7100542.西安科技大学通信与信息工程学院,陕西西安 7100543.西安科技大学通信与信息工程学院,陕西西安 710054
摘要：异常数据识别对于煤矿安全监测系统具有重要作用,但安全监测系统中异常数据一般只占数据总量的1％左右,不平衡性是此类数据的固有特点.目前多数机器学习算法在不平衡数据集上的分类预测准确率和灵敏度都相对较差.为了能准确识别异常数据,以煤矿分布式光纤竖井变形监测系统采集的数据为研究对象,提出了一种面向不平衡数据集、基于去重复下采样(RDU)、合成少数类过采样技术(SMOTE)和随机森林(RF)分类算法的煤矿监测系统异常数据识别方法.该方法利用RDU算法对多数类数据进行下采样,去除重复样本;利用SMOTE算法对少数类异常数据进行过采样,通过合成新的异常数据来改善数据集的不平衡性;并利用优化后的数据集训练RF分类算法,得到异常数据识别模型.在6个真实数据集上的对比实验结果表明,该方法的异常数据识别准确率平均值达到99.3％,具有较好的泛化性和较强的鲁棒性.
关键词：煤矿安全监测异常数据识别不平衡数据集机器学习大数据下采样过采样随机森林
分类号：TD76(矿山安全与劳动保护)
资助基金：国家重点研发计划(2018YFC0808301)国家自然科学基金(41027002)国家自然科学基金(51804244)教育厅科学研究项目(16JK1488)
论文发表日期：2020-01-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 18-25 )
英文信息