-
题名基于数据填补的煤自燃温度预测模型
被引量：11
- 1
-
-
作者
翟小伟
罗金雷
张羽琛
宋波波
郝乐
周妤婕
-
机构
西安科技大学安全科学与工程学院
西安科技大学陕西省煤火灾害防控重点实验室
陕西高校青年创新团队矿山应急救援创新团队
-
出处
《工矿自动化》
CSCD
北大核心
2023年第1期28-35,98,共9页
-
基金
国家自然科学基金项目(51974236)
陕西省自然科学基础研究计划项目(2021JC-48)
陕西省教育厅青年创新团队建设科研计划项目(21JP078)。
-
文摘
现有煤自燃温度预测模型的建立大多基于较为完整的指标气体样本数据,但指标气体数据受仪器或人为因素影响,往往存在数据缺失现象,导致煤自燃温度预测准确率较低和过拟合等问题。针对上述问题,提出了将K近邻算法(KNN)、随机森林(RF)、决策树(DT)及基于粒子群优化的支持向量回归等填补算法(PSO-SVR)应用于缺失值填补,缺失数据和填补后的数据通过RF、SVR和极限梯度提升树(XGBoost)算法分别进行训练,并通过PSO算法优化参数,构建了基于数据填补的RF、XGBoost和SVR煤自燃温度预测模型。利用煤自然发火实验选取CO,CO_(2),CH4,C_(2)H_(6),O_(2)作为指标气体,并设计整体缺失率为10%,20%,30%和CO,CO_(2)缺失率为40%,50%,60%共6种随机数据缺失,采用平均绝对误差百分比(MAPE)作为填补效果评价指标,采用MAPE、判断系数R^(2)和均方根误差(RMSE)作为模型性能评价指标,对4种填补算法和3种预测模型进行对比。对比分析结果表明:在6种数据缺失情况下,DT填补算法填补效果优于其他3种算法,在CO,CO_(2)存在较多缺失值时,RF算法的填补值与实际值的MAPE偏大;在不调参的情况下,XGBoost模型虽然在训练集效果极好,但极易过拟合,而SVR模型预测效果极差,无法满足预测要求;在6种数据缺失情况下,基于DT填补算法的PSO-SVR、RF与PSO-RF煤自燃温度预测模型的MAPE均在4%左右,基于DT填补算法的RF模型无需优化就能较好地预测出煤自燃温度,具有良好的稳定性。
-
关键词
煤自燃
温度预测
指标气体
数据缺失填补
K近邻填补算法
随机森林填补算法
决策树回归填补算法
基于粒子群优化的支持向量回归填补算法
-
Keywords
coal spontaneous combustion
temperature prediction
index gas
filling in data gaps
k-nearest neighbor filling algorithm
random forest filling algorithm
decision tree regression filling algorithm
support vector regression filling algorithm based on particle swarm optimization
-
分类号
TD752
[矿业工程—矿井通风与安全]
-
-
题名5G超密集网络下的室内压缩重构指纹定位算法
被引量：2
- 2
-
-
作者
贾鹏飞
张月霞
-
机构
北京信息科技大学信息与通信工程学院
北京信息科技大学现代测控技术教育部重点实验室
北京信息科技大学高动态导航北京市实验室
-
出处
《电讯技术》
北大核心
2021年第11期1419-1423,共5页
-
基金
国家重点研发计划(2020YFC1511704)
国家自然科学基金资助项目(61971048)
+1 种基金
北京市科技计划课题(Z191100001419012)
北京信息科技大学2020年促进高校内涵发展科研水平提高项目(2020KYNH212)。
-
文摘
为减少室内定位复杂度并进一步提高定位精度,提出了一种5G超密集网络下的室内压缩重构指纹定位算法。该算法分为离线建库阶段和在线匹配阶段两个阶段。离线建库阶段采用了矩阵填充理论进行指纹库的构建,只需采取少量的指纹点构建具有低秩特性的局部指纹库,并通过非精确增广拉格朗日乘子法(Inexact Augmented Lagrangian Multiplier Method,IALM)算法进行矩阵填充,从而恢复完整的指纹库。在线匹配阶段采用卡方距离代替传统的欧式距离来计算待定位点与参考指纹点的相似度,并用加权K近邻算法估算出待定位点坐标。经过实验仿真分析,所提算法以1.13%的误差节约了40%的工作量,在信噪比为10 dB时定位误差最小为0.2008 m,与传统K近邻指纹匹配算法相比具有更好的定位精度。
-
关键词
5G超密集网络
室内定位
指纹定位
矩阵填充
加权K近邻算法
-
Keywords
5G ultra-dense network
indoor positioning
fingerprint positioning
matrix filling
weighted k-nearest neighbor algorithm
-
分类号
TN92
[电子电信—通信与信息系统]
TN961
[电子电信—信号与信息处理]
-
