不平衡数据下的采空区自然发火预测研究

来源：中国安全科学学报杂志2017年第6期北京时间：

作者：邵良杉, 李相辰

单位：辽宁工程技术大学 系统工程研究所,辽宁 葫芦岛 125105

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-Relief-HSMOTE-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。

关键词：不平衡数据,采空区自然发火,支持向量机(SVM),预测,h维空间的过采样算法(HSMOTE)

基金资助：国家自然科学基金资助(71371091)。