一种基于Bagging改进的矿井内数据预处理方法

摘要

本发明公开了的一种基于Bagging改进的矿井内数据预处理方法。该方法通过多个传感器采集到多组采掘参数与矿井沉降值，通过训练集抽取多个训练子集，并分别建立多个子模型；记录训练集所有数据分别在多个子模型的抽取权重，并计算在多个子模型的误差；根据该误差，计算每组数据在所有子模型中的平均误差；将平均误差按照降序排列，取较大的几组数据为异常数据；利用测试集数据对权重更新前后的训练集所建模型进行测试；如果测试集误差较权重更新前降低，则使用新的训练集返回开始进行循环，否则返回异常数据。本发明在集成学习Bagging的基础上对采集到的数据进行了异常辨识，有效的对矿井内数据进行了预处理。