当前位置:首页 > 工业技术
机器学习的煤与瓦斯突出前兆识别方法研究
机器学习的煤与瓦斯突出前兆识别方法研究

机器学习的煤与瓦斯突出前兆识别方法研究PDF电子书下载

工业技术

  • 电子书积分:9 积分如何计算积分?
  • 作 者:闫秋艳著
  • 出 版 社:徐州:中国矿业大学出版社
  • 出版年份:2017
  • ISBN:9787564636777
  • 页数:183 页
图书介绍:本书以煤与瓦斯突出监测数据(瓦斯浓度及电磁强度)为研究对象,通过引入“概率数据流”模型,对监测数据进行建模,并在此模型基础上实现干扰模式的检测和突出前兆模式的识别,同时提出了突出数据的类不均衡问题,并对突出模式识别产生的影响进行了深入分析,给出了有效的解决方法。
《机器学习的煤与瓦斯突出前兆识别方法研究》目录

第1章 绪论 1

1.1 引言 1

1.2 我国煤与瓦斯突出的概况 2

1.3 煤与瓦斯突出的分类 3

1.4 煤与瓦斯突出危险性预测的必要性及分类 5

1.5 工作面煤与瓦斯突出预测的研究现状 6

1.6 小结 12

第2章 突出监测数据的建模及分段模式表示 13

2.1 引言 13

2.2 突出监测数据的流数据特性分析 14

2.3 流数据挖掘研究现状 15

2.4 时间序列模式表示方法研究现状 21

2.5 基于拟合点的分段线性拟合方法 27

2.6 复杂度分析 36

2.7 实验及结果分析 36

2.8 小结 46

第3章 非突变型干扰模式检测方法 48

3.1 引言 48

3.2 流数据异常检测方法概述 49

3.3 基于概率相似距离的模式异常检测算法 54

3.4 复杂度分析 64

3.5 实验及结果分析 65

3.6 小结 76

第4章 突变型干扰模式检测方法 77

4.1 绪论 77

4.2 Discord的定义及其在突出电磁数据应用中存在的问题 78

4.3 不确定Top-k查询的研究现状 80

4.4 分值连续分布的Top-k查询算法(MCTop-k) 88

4.5 不确定连续时间序列的Discord查询算法 102

4.6 小结 111

第5章 突出前兆趋势的模式识别方法 113

5.1 引言 113

5.2 相关知识 114

5.3 基于趋势分析的灾害异常检测算法 119

5.4 实验及结果分析 132

5.5 小结 140

第6章 不均衡突出数据的分类方法研究 142

6.1 概述 142

6.2 不均衡数据学习概述 143

6.3 不均衡数据学习方法概述 145

6.4 基于shapelets特征空间的不均衡时间序列分类方法 147

6.5 实验结果及分析 158

6.6 小结 167

参考文献 168

返回顶部