摘要
针对当前智能通风矿井风速传感器监测数据清洗破坏信息完整性等问题,提出一种基于堆叠降噪自编码器(SDAE)的矿井风速传感器监测数据清洗模型.首先应用通风系统正常运行状态下的风速数据样本进行SDAE训练,并基于核密度估计(KDE)方法获取训练样本的重构误差上限及容限时间;然后分析测试样本中重构误差、误差持续时间与训练样本的重构误差上限、容限时间之间的关系,辨别"脏"数据类型;最后利用东山煤矿风速传感器监测数据进行有故障样本和无故障样本的数据清洗试验.结果表明:所提模型能自动辨别噪声点和缺失值,并通过数据重构修复"脏"数据,在过滤干扰数据的同时可有效保留通风故障状态信息,相比于降噪自编码器(DAE)、长短时记忆(LSTM)神经网络和卡尔曼滤波(KF)等其他数据清洗模型,该模型的平均绝对误差(MAE)和均方根误差(RMSE)平均降低了 75.42％和74.98％.
NETL
NSTL
维普
万方数据