面向不平衡数据集的煤矿监测系统异常数据识别方法

• 作者: 冀汶莉 王斌 郗刘涛
• 来源期刊: 工矿自动化
• 学科: 工学
• 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
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 分析研究
• 页码范围: 18-25
• 页数: 8页
• 分类号: TD76
• 字数: 6083字
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.17502

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冀汶莉	西安科技大学通信与信息工程学院	22	257	7.0	16.0
2	王斌	西安科技大学通信与信息工程学院	15	50	4.0	6.0
3	郗刘涛	西安科技大学通信与信息工程学院	1	1	1.0	1.0