← 返回列表
基于特征匹配度和异类子模型融合的安全性评估方法
摘要文本
本发明公开了基于特征匹配度和异类子模型融合的安全性评估方法，该方法首先利用传感器，收集多组煤矿采掘数据，构建数据集，并划分训练集和测试集。其次将训练集按照输出值的大小排序，划分为K个子数据集并且使用机器学习方法构建K个子模型，并计算测试数据和子模型之间的匹配度和平均匹配度。然后根据计算得到的平均匹配度，计算子模型权重。最后融合子模型产生的多个子输出，并作为预测结果输出。本发明能够更加准确对煤矿开采工程进行安全评估，可以提高模型的预测精度和泛化能力。。关注微信公众号马克数据网
申请人信息
- 申请人:杭州电子科技大学
- 申请人地址:310018 浙江省杭州市钱塘区白杨街道2号大街1158号
- 发明人: 杭州电子科技大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于特征匹配度和异类子模型融合的安全性评估方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311493590.1 |
| 申请日 | 2023/11/9 |
| 公告号 | CN117436031A |
| 公开日 | 2024/1/23 |
| IPC主分类号 | G06F18/25 |
| 权利人 | 杭州电子科技大学 |
| 发明人 | 常雷雷; 张云硕; 施凡; 徐晓滨; 曹友; 侯平智; 张泽辉; 徐晓健; 马枫 |
| 地址 | 浙江省杭州市钱塘区白杨街道2号大街1158号 |
专利主权项内容
1.基于特征匹配度和异类子模型融合的安全性评估方法，其特征在于，包括以下步骤：步骤1、利用传感器，收集多组煤矿采掘数据，构建数据集；所述数据集中，输入包括隧道参数、地质条件参数和施工参数；输出为矿井沉陷值；步骤2、采集得到的多组数据，将前80％的数据划分为训练集D，后20％的数据划分为测试集D；TV步骤3、将训练集D按照输出值的大小排序，划分为K个子数据集，并且使用K个子数据集训练机器学习模型得到K个子模型；T步骤4、计算测试数据和子模型之间的匹配度和平均匹配度/>步骤5、根据计算得到的平均匹配度计算子模型权重w；q, k步骤6、根据模型权重w，融合子模型产生的多个子输出，并作为预测结果输出y；q, kq步骤7、使用测试数据集进行测试，对测试数据集的预测准确性进行验证。 来源：百度马 克 数据网