-
题名基于标准欧氏距离的燃油流量缺失数据填补算法
被引量:8
- 1
-
-
作者
陈静杰
车洁
-
机构
中国民航大学电子信息与自动化学院
-
出处
《计算机科学》
CSCD
北大核心
2017年第S1期109-111,125,共4页
-
基金
科技支撑项目(2012BAC20B03)
民航局节能减排专项计划项目(DPDSR0010)资助
-
文摘
为减小数据缺失对飞机油耗统计推断精度带来的负面影响,针对基于传统欧氏距离、马氏距离以及精简关联度的最近邻填补算法的不足,提出了一种基于标准欧氏距离的填补算法来估计QAR(Quick Access Recorder)数据中部分燃油流量数值的缺失。该算法通过QAR数据样本之间的标准欧氏距离选择最近邻样本,并利用熵值赋权法计算最近邻的加权系数,基于最近邻样本中燃油流量的加权平均即可得到缺失燃油流量的估计值。实验结果表明,标准欧氏距离能够有效度量样本相似性,所提出的算法优于常规填补算法,是处理飞机油耗数据缺失的一种有效方法。
-
关键词
标准欧氏距离
燃油流量缺失数据估计
k近邻填补算法
熵值赋权法
RkNN算法
-
Keywords
Standardized euclidean distance
Fuel flow missing value estimation
kNN imputation method
Entropy
RkNN
-
分类号
V312
[航空宇航科学与技术—航空宇航推进理论与工程]
-
-
题名基于数据填补的煤自燃温度预测模型
被引量:3
- 2
-
-
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]
-