CN107392786A - 基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法 - Google Patents
基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法 Download PDFInfo
- Publication number
- CN107392786A CN107392786A CN201710560968.3A CN201710560968A CN107392786A CN 107392786 A CN107392786 A CN 107392786A CN 201710560968 A CN201710560968 A CN 201710560968A CN 107392786 A CN107392786 A CN 107392786A
- Authority
- CN
- China
- Prior art keywords
- data
- fiber grating
- svms
- parameter
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 81
- 238000012706 support-vector machine Methods 0.000 title claims abstract description 54
- 239000000835 fiber Substances 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000013307 optical fiber Substances 0.000 claims abstract description 32
- 238000010276 construction Methods 0.000 claims abstract description 9
- 102000008297 Nuclear Matrix-Associated Proteins Human genes 0.000 claims abstract description 4
- 108010035916 Nuclear Matrix-Associated Proteins Proteins 0.000 claims abstract description 4
- 210000000299 nuclear matrix Anatomy 0.000 claims abstract description 4
- 238000000611 regression analysis Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 60
- 238000005065 mining Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000002790 cross-validation Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 9
- 239000003245 coal Substances 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Animal Husbandry (AREA)
- General Business, Economics & Management (AREA)
- Agronomy & Crop Science (AREA)
- Theoretical Computer Science (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
一种基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法,属于监测系统缺失数据补偿方法。包括步骤1:对矿井光纤光栅监测系统传感设备进行数据采集;步骤2:对光纤光栅传感设备采集的监测数据用时间序列表示并进行预处理;步骤3:选择与构造支持向量机的核函数;步骤4:选择确定支持向量机的超参数;步骤5:根据确定的核函数、损失函数及惩罚参数构建核矩阵,采用优化算法得到支持向量机最优参数值;步骤6:建立支持向量机回归函数模型,对数据进行拟合回归分析,得到缺失数据补偿结果,实现缺失数据的缺失补偿工作。本发明能够对监测缺失数据进行补偿,完善监测数据,使数据更加接近真实、可靠,保障了矿井安全生产、施工及稳定。
Description
技术领域
本发明涉及一种监测系统缺失数据补偿方法,特别是一种基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法。
背景技术
在煤矿生产过程中,由于开采的影响导致巷道和工作面顶板处于非稳定状态,随着煤矿开采深度的不断增大,煤矿的矿山压力显现及煤矿安全压力更为明显,造成的灾害也越来越严重,如果不及时采取支护措施,便会发生顶板冒落、巷道变形、冲击矿压、瓦斯爆炸、煤矿突水、煤矿火灾等事故,给我国的煤矿业造成了巨大的损失,严重影响了从业人员的生命安全和矿井生产。因此建立一个先进的光纤光栅在线监测系统,就能有效监控矿井安全生产,有效地预防和减少煤矿事故的发生。
光纤光栅作为一种新兴的研究领域,已经广泛的应用于光纤光栅传感技术方面并得到快速的发展,其中将光纤光栅传感器用于煤矿安全监测领域成为发展趋势并得到应用。光纤光栅传感器基于以上的光纤光栅传感技术,具有本质安全、测量精度高、抗干扰能力强,监测数据误差小、可实时在线长期监测等优点。在矿井安全生产工程关键参数监测过程中,当光纤光栅受到非均匀应力,容易发生光谱畸变等问题,导致中心波长无法采集或釆集不准确,一旦该情况发生,则可能造成该点传感器数据失效,由于安装施工、采矿井下环境等各方面因素,光纤光栅传感器在监测过程中可能出现光强衰减过大或者损坏的情况,同样可能造成损坏部位数据缺失的情况,进而影响光纤光栅传感系统的可靠性。针对监测过程中传感器信息突然缺失的情况,可以引入统计学习的方法对缺失数据进行修补,以提高光纤光栅监测系统的测量稳定性,改善光纤光栅监测系统的监测效果。
缺失数据修补的问题可以看作对工程中测量数据随时间序列及其各影响因素间的复杂的非线性函数关系的逼近问题。采用有效的补偿方法处理缺失数据可以提高对数据资源的有效利用,减少数据资源的浪费,并且有助于采矿环境安全监测的数据处理与评估等工作,甚至可能影响研究结果。因此,对有缺失的监测数据采用正确和有效的处理方法是能否得出正确结论的关键之一。
常用的缺失数据插补法有均值插补法、热卡插补法、冷卡插补法、最邻近插补法、回归插补法等。但这些方法都有一些缺点,它们经常忽略缺失数据补偿的不确定性,比如均值插补法只用样本均值作为插补数据,传统回归插补法的插补数据也不考虑原始数据的离散性,这会导致插补数据的方差被低估,而不能真实地反映出原始数据。尽管后来由于回归插补引入了随机误差项,能够缓解这一问题,但是随机误差项的确定是比较困难的。另外,在某些复杂的情况下,对数据趋势进行回归建模的方法会难以应用,有时为了方便使用而采用了一些简单的回归方程还会导致部分趋势信息的丢失。
发明内容
本发明的目的是要提供一种基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法,解决采矿工程生产过程中安全监测数据的缺失补偿的问题。
本发明的目的是这样实现的:矿井光纤光栅监测系统缺失数据补偿方法,包括以下几个步骤:
步骤1:对矿井光纤光栅监测系统传感设备进行数据采集;
所述的矿井光纤光栅监测系统包括地面数据处理及控制子系统、井下传输通讯子系统和井下传感监测子系统,其中地面数据处理及控制子系统包括光纤光栅信号处理器和电脑主机,井下传输通讯子系统包括矿用通信光缆和光缆接续盒,井下传感设备监测子系统包括至少一个光纤光栅传感设备;
所述的光纤光栅传感设备包括光纤光栅顶板离层仪、光纤光栅锚杆测力计、光纤光栅测力锚杆、光纤光栅钻孔应力计、光纤光栅温度传感器、光纤光栅支架压力计、光纤光栅振动传感器、光纤光栅倾角传感器、光纤光栅水压传感器;
所述的光纤光栅传感设备监测的数据根据监测参数、传感设备安装位置、变化特性的特点,选择合适的传感设备数据作为支持向量机的训练样本,根据这些传感设备的数据时变规律,对缺失数据值进行估计。
步骤2:对光纤光栅传感设备采集的监测数据用时间序列表示并进行预处理;
首先,在矿井开采技术条件、地质条件、边界条件及噪声复杂影响因素使得数据的波动性较大,因此根据所选择的光纤光栅传感设备监测数据用时间序列表示,并对时间序列数据进行预处理;
所述的时间序列数据的预处理分为数据的归一化和小波去噪,其具体实现包括以下子步骤:
步骤2.1:根据选择的数据训练样本,对其进行归一化处理,将样本输入数据规整到[0,1]区间范围内,计算公式为:
式中,xi为样本输入数据,x′i为归一化之后xi的变量,xmax为样本输入数据的最大值,xmin为样本输入数据的最小值;
步骤2.2:对监测数据时间序列进行小波去噪,消除噪声误差并提取变形规律特征,具体步骤为:首先选择小波滤波系数构造变换矩阵进而确定监测数据小波分解层次,其次确定小波分解层次的高频系数,对高频系数进行阈值量化处理,最后用小波分解的低频系数和阈值量化处理后的高频系数进行重构,得到去噪后的监测数据序列的估计值。
步骤3:选择与构造支持向量机的核函数;
针对矿井光纤光栅传感设备监测数据时序的特点,选择与构造支持向量机已有类型的核函数,确定核参数σ的取值范围。
步骤4:选择确定支持向量机的超参数;
首先选择支持向量机的损失函数类型,确定损失函数的参数取值范围,其次确定支持向量机的惩罚参数C的取值范围,惩罚参数的选取公式为:
式中,为数据训练样本输出数据的平均值,σy为输出数据的标准离差。
步骤5:根据确定的核函数、损失函数及惩罚参数构建核矩阵,采用优化算法得到支持向量机最优参数值;
求解出支持向量解αi、和权向量ω,优化支持向量机中的核参数σ和惩罚参数C,采用交叉验证的算法得到支持向量机中核参数σ和惩罚参数C的最优组合。
步骤6:根据最优参数建立支持向量机回归函数模型,对数据进行拟合回归分析,得到缺失数据补偿结果,实现缺失数据的缺失补偿工作。
所述的回归函数为线性时,支持向量机回归模型的回归函数为:对于非线性问题,支持向量机回归模型的回归函数为:其中K(xi,yi)为支持向量机核函数,训练样本集为{(xi,yi),i=1,2,3,…,n},xi∈Rn为输入向量,yi∈Rn为输出向量,Rn为输入样本空间,n为样本个数,b∈R为阈值,αi、为拉格朗日乘子,利用支持向量机回归模型的回归函数得到缺失数据补偿结果,实现缺失数据的缺失补偿工作。
进一步的,步骤3中所述的核函数包括以下几种:
1)多项式核函数:
K(x,y)=(x·y)d或K(x,y)=(x·y+1)d;
2)径向基函数:
3)Sigmoid核函数:
K(x,y)=tanh[b·(x·y)+θ];θ为核函数的回归系数;
进一步的,步骤4所述的损失函数包括以下几种:
1)ε不敏感损失函数:
其中参数ε的取值计算公式为式中n为数据训练样本大小,σnoise为噪声的标准离差,k为近邻估计点数,取值范围为2~6;
2)r范数损失函数:
Lr(y,f(x,ω))=|y-f(x,ω)|r,r>0
其中参数r的取值为2;
3)Huber损失函数:
其中参数μ的取值计算公式为:
σnoise为噪声的标准离差.
有益效果,由于采用了上述方案,本发明为了适应现在煤矿自动化、智能化安全监测,综合采用支持向量机方法及拟合回归原理,利用矿井光纤光栅传感器已监测的数据信息来实现缺失数据的补偿。支持向量机是建立在统计学习的VC(Vapnik—ChervonnkisDimension)维理论和结构风险最小原理基础上的一种机器学习算法,通过用内积函数定义的非线性变换将输入空间变换到一个高维空间,在这个高维空间中寻找输入变量和输出变量之间的一种非线性关系;其算法是一个凸二次优化问题,保证找到的解是全局最优解;对更接近实际工程状况中,小样本、非线性、高维数的随时间变化数据的分类与回归问题提供了很好的解决办法。解决了采矿工程生产过程中安全监测数据的缺失补偿的问题,达到了本发明的目的。
本发明与已有技术相比优点在于:
1、采用的光纤光栅具有极其灵敏的传感特性,当矿井物理参数发生很小的变化时,都可以测量出来。
2、光纤光栅传感设备利用了光纤光栅的核心技术,光纤光栅本质安全,无源工作,可实现井下现场直接采集数据,方便灵活,抗电磁干扰能力强;同时,利用光纤进行信号传输,传输距离远,可靠性高,测量范围大。
3、利用支持向量机对缺失数据的趋势进行建模可以使补偿数据的趋势与原始数据保持一致,且支持向量机使用起来非常方便。
4、利用支持向量机估计缺失数据可以使缺失数据保持原始数据的离散性,使补偿数据更加接近真实、可靠。
优点:本发明能够对监测缺失数据进行补偿,完善监测数据,使数据更加接近真实、可靠,保障了矿井安全生产、施工及稳定。
附图说明:
图1为本发明基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法的流程图。
图2为本发明的矿井光纤光栅监测系统架构示意图。
具体实施方式
下面结合附图对本发明的实施例作进一步的描述:
实施例1:如图1所示的技术方案是:一种基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法,包括以下几个步骤:
步骤1:对矿井光纤光栅监测系统传感设备进行数据采集;
如图2所示的矿井光纤光栅监测系统包括地面数据处理及控制子系统、井下传输通讯子系统和井下传感设备监测子系统,其中地面数据处理及控制子系统包括光纤光栅信号处理器和电脑主机,井下传输通讯子系统包括矿用通信光缆和光缆接续盒,井下传感设备监测子系统包括至少一个光纤光栅传感设备;
所述的光纤光栅传感设备包括光纤光栅顶板离层仪、光纤光栅锚杆测力计、光纤光栅测力锚杆、光纤光栅钻孔应力计、光纤光栅温度传感器、光纤光栅支架压力计、光纤光栅振动传感器、光纤光栅倾角传感器、光纤光栅水压传感器;
所述的光纤光栅传感设备监测的数据根据监测参数、传感设备安装位置、变化特性等特点,选择合适的传感设备数据作为支持向量机的训练样本,根据这些传感设备的数据时变规律,对缺失数据值进行估计;
步骤2:对光纤光栅传感设备采集的监测数据用时间序列表示并进行预处理;
首先,在矿井开采技术条件、地质条件、边界条件及噪声等复杂影响因素使得数据的波动性较大,因此根据所选择的光纤光栅传感设备监测数据用时间序列表示,并对时间序列数据进行预处理;
所述的时间序列数据的预处理分为数据的归一化和小波去噪,其具体实现包括以下子步骤:
步骤2.1:根据选择的数据训练样本,对其进行归一化处理,将样本输入数据规整到[0,1]区间范围内,计算公式为:
式中,xi为样本输入数据,x′i为归一化之后xi的变量,xmax为样本输入数据的最大值,xmin为样本输入数据的最小值;
步骤2.2:对监测数据时间序列进行小波去噪,消除噪声误差并提取变形规律特征,具体步骤为:首先选择小波滤波系数构造变换矩阵进而确定监测数据小波分解层次,其次确定小波分解层次的高频系数,对高频系数进行阈值量化处理,最后用小波分解的低频系数和阈值量化处理后的高频系数进行重构,得到去噪后的监测数据序列的估计值;
步骤3:选择与构造支持向量机的核函数;
针对矿井光纤光栅传感设备监测数据时序的特点,选择与构造支持向量机已有类型的核函数,确定核参数σ的取值范围;
步骤4:选择确定支持向量机的超参数;
首先选择支持向量机的损失函数类型,确定损失函数的参数取值范围,其次确定支持向量机的惩罚参数C的取值范围,惩罚参数的选取公式为:
式中,为数据训练样本输出数据的平均值,σy为输出数据的标准离差;
步骤5:根据确定的核函数、损失函数及惩罚参数构建核矩阵,采用优化算法得到支持向量机最优参数值;
求解出支持向量解αi、和权向量ω,优化支持向量机中的核参数σ和惩罚参数C,采用交叉验证算法得到支持向量机中核参数σ和惩罚参数C的最优组合;
步骤6:根据最优参数建立支持向量机回归函数模型,对数据进行拟合回归分析,得到缺失数据补偿结果,实现缺失数据的缺失补偿工作。
所述的回归函数为线性时,支持向量机回归模型的回归函数为:为{(xi,yi),i=1,2,3,…,n},xi∈Rn为输入向量,yi∈Rn为输出向量,Rn为输入样本空间,n为样本个数,b∈R为阈值,αi、为拉格朗日乘子,利用支持向量机回归模型的回归函数得到缺失数据补偿结果,实现缺失数据的缺失补偿工作。
所述的步骤3中,所述的核函数包括以下几种:
1)多项式核函数:
K(x,y)=(x·y)d或K(x,y)=(x·y+1)d;d为多项式核函数的次幂;
2)径向基函数:
3)Sigmoid核函数:
K(x,y)=tanh[b·(x·y)+θ];θ为核函数的回归系数;
所述的步骤4中,所述的损失函数包括以下几种:
1)ε不敏感损失函数:
其中参数ε的取值计算公式为式中n为数据训练样本大小,σnoise为噪声的标准离差,k为近邻估计点数,取值范围为2~6;
2)r范数损失函数:
Lr(y,f(x,ω))=|y-f(x,ω)|r,r>0
其中参数r的取值为2;
3)Huber损失函数:
其中参数μ的取值计算公式为
σnoise为噪声的标准离差。
通过以上的具体实施,本发明提供了一种基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法,系统实现了矿井物理参数安全监测及实时在线动态连续测量,采用的光纤光栅具有极其灵敏的传感特性,同时本质安全,井下现场直接采集数据,抗电磁干扰能力强;利用光纤进行信号传输,传输距离远,可靠性高,测量范围大;利用支持向量机对缺失数据的趋势进行建模可以使补偿数据的趋势与原始数据保持一致,可以使缺失数据保持原始数据的离散性,支持向量机使用起来非常方便,使补偿数据更加接近真实、可靠;数据的补偿使得监测系统的数据更加完整有效,对矿井复杂条件下监测的数据进行分析研究,可以探寻矿井安全监测参数的变形规律,为复杂多变的矿井安全施工和设计提供依据,对矿井安全生产及稳定性具有重要意义。
Claims (9)
1.一种基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法,其特征是:矿井光纤光栅监测系统缺失数据补偿方法,包括以下几个步骤:
步骤1:对矿井光纤光栅监测系统传感设备进行数据采集;
步骤2:对光纤光栅传感设备采集的监测数据用时间序列表示并进行预处理;
步骤3:选择与构造支持向量机的核函数;
步骤4:选择确定支持向量机的超参数;
步骤5:根据确定的核函数、损失函数及惩罚参数构建核矩阵,采用优化算法得到支持向量机最优参数值;
步骤6:根据最优参数建立支持向量机回归函数模型,对数据进行拟合回归分析,得到缺失数据补偿结果,实现缺失数据的缺失补偿工作。
2.根据权利要求1所述的基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法,其特征是:所述的步骤1中,具体的:所述的矿井光纤光栅监测系统包括地面数据处理及控制子系统、井下传输通讯子系统和井下传感监测子系统,其中地面数据处理及控制子系统包括光纤光栅信号处理器和电脑主机,井下传输通讯子系统包括矿用通信光缆和光缆接续盒,井下传感设备监测子系统包括至少一个光纤光栅传感设备;
所述的光纤光栅传感设备包括光纤光栅顶板离层仪、光纤光栅锚杆测力计、光纤光栅测力锚杆、光纤光栅钻孔应力计、光纤光栅温度传感器、光纤光栅支架压力计、光纤光栅振动传感器、光纤光栅倾角传感器、光纤光栅水压传感器;
所述的光纤光栅传感设备监测的数据根据监测参数、传感设备安装位置、变化特性的特点,选择合适的传感设备数据作为支持向量机的训练样本,根据这些传感设备的数据时变规律,对缺失数据值进行估计。
3.根据权利要求1所述的基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法,其特征是:步骤2中,具体的:
首先,在矿井开采技术条件、地质条件、边界条件及噪声复杂影响因素使得数据的波动性较大,因此根据所选择的光纤光栅传感设备监测数据用时间序列表示,并对时间序列数据进行预处理;
所述的时间序列数据的预处理分为数据的归一化和小波去噪,其具体实现包括以下子步骤:
步骤2.1:根据选择的数据训练样本,对其进行归一化处理,将样本输入数据规整到[0,1]区间范围内,计算公式为:
式中,xi为样本输入数据,x'i为归一化之后xi的变量,xmax为样本输入数据的最大值,xmin为样本输入数据的最小值;
步骤2.2:对监测数据时间序列进行小波去噪,消除噪声误差并提取变形规律特征,具体步骤为:首先选择小波滤波系数构造变换矩阵进而确定监测数据小波分解层次,其次确定小波分解层次的高频系数,对高频系数进行阈值量化处理,最后用小波分解的低频系数和阈值量化处理后的高频系数进行重构,得到去噪后的监测数据序列的估计值。
4.根据权利要求1所述的基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法,其特征是:步骤3中,具体的:针对矿井光纤光栅传感设备监测数据时序的特点,选择与构造支持向量机已有类型的核函数,确定核参数σ的取值范围。
5.根据权利要求1所述的基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法,其特征是:步骤4中,具体的:
首先选择支持向量机的损失函数类型,确定损失函数的参数取值范围,其次确定支持向量机的惩罚参数C的取值范围,惩罚参数的选取公式为:
式中,为数据训练样本输出数据的平均值,σy为输出数据的标准离差。
6.根据权利要求1所述的基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法,其特征是:步骤5中,具体的:求解出支持向量解αi、和权向量ω,优化支持向量机中的核参数σ和惩罚参数C,采用交叉验证算法得到支持向量机中核参数σ和惩罚参数C的最优组合。
7.根据权利要求1所述的基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法,其特征是:步骤6中,具体的:所述的回归函数为线性时,支持向量机回归模型的回归函数为:对于非线性问题,支持向量机回归模型的回归函数为:其中K(xi,yi)为支持向量机核函数,训练样本集为{(xi,yi),i=1,2,3,…,n},xi∈Rn为输入向量,yi∈Rn为输出向量,Rn为输入样本空间,n为样本个数,b∈R为阈值,αi、为拉格朗日乘子,利用支持向量机回归模型的回归函数得到缺失数据补偿结果,实现缺失数据的缺失补偿工作。
8.根据权利要求1所述的基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法,其特征是:步骤3中所述的核函数包括以下几种:
1)多项式核函数:
K(x,y)=(x·y)d或K(x,y)=(x·y+1)d;d为多项式核函数的次幂;
2)径向基函数:
3)Sigmoid核函数:
K(x,y)=tanh[b·(x·y)+θ];θ为核函数的回归系数。
9.根据权利要求1所述的基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法,其特征是:步骤4所述的损失函数包括以下几种:
1)ε不敏感损失函数:
其中参数ε的取值计算公式为式中n为数据训练样本大小,σnoise为噪声的标准离差,k为近邻估计点数,取值范围为2~6;
2)r范数损失函数:
Lr(y,f(x,ω))=|y-f(x,ω)|r,r>0
其中参数r的取值为2;
3)Huber损失函数:
其中参数μ的取值计算公式为:
σnoise为噪声的标准离差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710560968.3A CN107392786B (zh) | 2017-07-11 | 2017-07-11 | 基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710560968.3A CN107392786B (zh) | 2017-07-11 | 2017-07-11 | 基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107392786A true CN107392786A (zh) | 2017-11-24 |
CN107392786B CN107392786B (zh) | 2021-04-16 |
Family
ID=60340357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710560968.3A Active CN107392786B (zh) | 2017-07-11 | 2017-07-11 | 基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107392786B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108169621A (zh) * | 2017-12-05 | 2018-06-15 | 国电南瑞科技股份有限公司 | 基于支持向量机的台区停电事件补全方法 |
CN109242133A (zh) * | 2018-07-11 | 2019-01-18 | 北京石油化工学院 | 一种地表灾害预警的数据处理方法及系统 |
CN109443430A (zh) * | 2018-10-31 | 2019-03-08 | 武汉理工大学 | 基于光纤光栅传感的液压管路实时在线监测与故障诊断系统 |
CN109783939A (zh) * | 2019-01-16 | 2019-05-21 | 武汉楚云端信息科技有限责任公司 | 一种结合Grubbs法和3σ方法的数据处理方法 |
CN110197486A (zh) * | 2019-07-02 | 2019-09-03 | 清华大学 | X射线光栅综合成像信息提取方法、系统及存储介质 |
CN111080009A (zh) * | 2019-12-13 | 2020-04-28 | 北京瑞莱智慧科技有限公司 | 基于时间序列的数据预测及补全方法、装置、介质和设备 |
CN112363400A (zh) * | 2020-11-28 | 2021-02-12 | 长春工程学院 | 基于光纤传感器信号和异常编码的电缆隧道入侵监测方法 |
CN112902994A (zh) * | 2021-01-22 | 2021-06-04 | 福州大学 | 一种基于差分进化改进极限学习机的光纤光栅传感网络畸变光谱解调方法及系统 |
CN114413832A (zh) * | 2021-12-02 | 2022-04-29 | 中国通信建设第三工程局有限公司 | 一种基于光纤传感的道路监测系统及方法 |
CN117474165A (zh) * | 2023-11-03 | 2024-01-30 | 太原向明智控科技有限公司 | 一种基于支持向量机的矿压预测方法 |
KR102663166B1 (ko) | 2021-12-27 | 2024-05-03 | 국립군산대학교산학협력단 | 손실 데이터 추정 기능을 구비한 풍력 터빈 블레이드 디본딩 손상 분석 방법 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005017807A2 (en) * | 2003-08-13 | 2005-02-24 | Iconix Pharmaceuticals, Inc. | Apparatus and method for classifying multi-dimensional biological data |
CN103362553A (zh) * | 2013-07-08 | 2013-10-23 | 中国矿业大学 | 基于光纤光栅传感器的煤矿井下安全综合监测系统 |
CN103942457A (zh) * | 2014-05-09 | 2014-07-23 | 浙江师范大学 | 基于关联向量机回归的水质参数时间序列预测方法 |
CN106778010A (zh) * | 2016-12-29 | 2017-05-31 | 中铁十八局集团隧道工程有限公司 | 基于数据驱动支持向量回归机的tbm刀具寿命预测方法 |
-
2017
- 2017-07-11 CN CN201710560968.3A patent/CN107392786B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005017807A2 (en) * | 2003-08-13 | 2005-02-24 | Iconix Pharmaceuticals, Inc. | Apparatus and method for classifying multi-dimensional biological data |
CN103362553A (zh) * | 2013-07-08 | 2013-10-23 | 中国矿业大学 | 基于光纤光栅传感器的煤矿井下安全综合监测系统 |
CN103942457A (zh) * | 2014-05-09 | 2014-07-23 | 浙江师范大学 | 基于关联向量机回归的水质参数时间序列预测方法 |
CN106778010A (zh) * | 2016-12-29 | 2017-05-31 | 中铁十八局集团隧道工程有限公司 | 基于数据驱动支持向量回归机的tbm刀具寿命预测方法 |
Non-Patent Citations (2)
Title |
---|
李虎威等: "《基于光纤光栅传感技术的顶板离层监测系统》", 《煤矿安全》 * |
梁敏富等: "《FBG锚杆测力计研制及现场试验》", 《采矿与安全工程学报》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108169621A (zh) * | 2017-12-05 | 2018-06-15 | 国电南瑞科技股份有限公司 | 基于支持向量机的台区停电事件补全方法 |
CN109242133A (zh) * | 2018-07-11 | 2019-01-18 | 北京石油化工学院 | 一种地表灾害预警的数据处理方法及系统 |
CN109242133B (zh) * | 2018-07-11 | 2022-03-22 | 北京石油化工学院 | 一种地表灾害预警的数据处理方法及系统 |
CN109443430A (zh) * | 2018-10-31 | 2019-03-08 | 武汉理工大学 | 基于光纤光栅传感的液压管路实时在线监测与故障诊断系统 |
CN109443430B (zh) * | 2018-10-31 | 2020-10-16 | 武汉理工大学 | 基于光纤光栅传感的液压管路实时在线监测与故障诊断系统 |
CN109783939A (zh) * | 2019-01-16 | 2019-05-21 | 武汉楚云端信息科技有限责任公司 | 一种结合Grubbs法和3σ方法的数据处理方法 |
CN110197486A (zh) * | 2019-07-02 | 2019-09-03 | 清华大学 | X射线光栅综合成像信息提取方法、系统及存储介质 |
CN111080009B (zh) * | 2019-12-13 | 2021-04-16 | 北京瑞莱智慧科技有限公司 | 基于时间序列的数据预测及补全方法、装置、介质和设备 |
CN111080009A (zh) * | 2019-12-13 | 2020-04-28 | 北京瑞莱智慧科技有限公司 | 基于时间序列的数据预测及补全方法、装置、介质和设备 |
CN112363400A (zh) * | 2020-11-28 | 2021-02-12 | 长春工程学院 | 基于光纤传感器信号和异常编码的电缆隧道入侵监测方法 |
CN112363400B (zh) * | 2020-11-28 | 2022-06-24 | 长春工程学院 | 基于光纤传感器信号和异常编码的电缆隧道入侵监测方法 |
CN112902994A (zh) * | 2021-01-22 | 2021-06-04 | 福州大学 | 一种基于差分进化改进极限学习机的光纤光栅传感网络畸变光谱解调方法及系统 |
CN114413832A (zh) * | 2021-12-02 | 2022-04-29 | 中国通信建设第三工程局有限公司 | 一种基于光纤传感的道路监测系统及方法 |
CN114413832B (zh) * | 2021-12-02 | 2023-12-15 | 中国通信建设第三工程局有限公司 | 一种基于光纤传感的道路监测系统及方法 |
KR102663166B1 (ko) | 2021-12-27 | 2024-05-03 | 국립군산대학교산학협력단 | 손실 데이터 추정 기능을 구비한 풍력 터빈 블레이드 디본딩 손상 분석 방법 |
CN117474165A (zh) * | 2023-11-03 | 2024-01-30 | 太原向明智控科技有限公司 | 一种基于支持向量机的矿压预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107392786B (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107392786A (zh) | 基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法 | |
CN103362553B (zh) | 基于光纤光栅传感器的煤矿井下安全综合监测系统 | |
CN103454020B (zh) | 基于光纤光栅钻孔应力计的围岩应力在线监测方法 | |
CN103528613B (zh) | 煤矿井下重大危险源物联网动态监测预警方法 | |
CN103061749B (zh) | 一种有杆泵抽油井井下动态液位软测量方法 | |
CN107368463B (zh) | 基于光纤光栅传感网络数据的巷道非线性变形预测方法 | |
CN103257009A (zh) | 一种基于光纤光栅传感的工作面矿压在线监测系统 | |
Wang et al. | An auto-detection network to provide an automated real-time early warning of rock engineering hazards using microseismic monitoring | |
CN107131878A (zh) | 一种基于光纤光栅的采煤机摇臂位姿监测装置及方法 | |
CN103528749B (zh) | 基于光纤光栅的煤矿巷道顶板水压在线监测系统及方法 | |
Li et al. | Rock burst risk assessment in deep-buried underground caverns: a novel analysis method | |
CN214475499U (zh) | 基于多参量监测分站的切顶留巷安全监控无线传输系统 | |
CN203011379U (zh) | 输电杆塔倾斜角度在线监测系统 | |
CN112324505A (zh) | 一种承压水上采煤微震突水预警方法、装置及终端设备 | |
Bi et al. | Quantitative prediction model of water inrush quantities from coal mine roofs based on multi-factor analysis | |
CN102071944B (zh) | 盾构隧道施工地表沉降仿真检测系统 | |
CN107356243B (zh) | 基于光纤光栅传感的支架运行姿态在线监测方法 | |
CN106940364B (zh) | 煤矿采空区架空输电线路标准深厚比的计算方法及装置 | |
Gao et al. | Research on rock mass strength parameter perception based on multi-feature fusion of vibration response while drilling | |
CN116050938B (zh) | 一种基于数据分析的煤矿运输安全监管系统 | |
CN117744010B (zh) | 一种小数据驱动的煤矿支架压力异常实时定位方法 | |
Meng et al. | Research on coal seam floor water inrush monitoring based on perception of IoT coupled with GIS | |
Wang et al. | Genetic Programming‐Based Prediction Model for Microseismic Data | |
CN108643892A (zh) | 一种测试用井下数据短传装置及其控制方法 | |
Yi-Hui et al. | Analysis and Prediction of Hydraulic Support Load Based on Time Series Data Modeling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 221116 Research Institute of China University of Mining and Technology,, Jiangsu Applicant after: China University of Mining & Technology Address before: 221116 Research Institute, China University of Mining and Technology, Xuzhou University, Jiangsu, China, Applicant before: China University of Mining & Technology |
|
GR01 | Patent grant | ||
GR01 | Patent grant |