买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于Bagging改进的矿井内数据预处理方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114862612B 。

龙图腾网通过国家知识产权局官网在2025-03-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210494493.3，技术领域涉及：G06Q50/02；该发明授权一种基于Bagging改进的矿井内数据预处理方法是由常雷雷;宋鑫涛;徐晓滨;陶志刚;黄曼;马成荣;李轶;翁旭设计研发完成，并于2022-05-07向国家知识产权局提交的专利申请。

本一种基于Bagging改进的矿井内数据预处理方法在说明书摘要公布了：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。

本发明授权一种基于Bagging改进的矿井内数据预处理方法在权利要求书中公布了：1.一种基于Bagging改进的矿井内数据预处理方法，其特征在于该方法包括以下步骤：1利用传感器，采集多组矿井内数据，每组矿井内数据包括采掘参数与矿井沉降值，其中采掘参数作为该组数据的输入，共包括8个因素，x1:粘结力、x2:压缩模量、x3:内摩擦角、x4:采煤机推采进尺、x5:采煤机割煤速度、x6:煤层平均厚度、x7:工作面倾向长度、x8:工作面走向长度，矿井沉降值作为该组数据输出，y:矿井沉降值；2按照设定的比例，将采集得到的多组数据随机划分为训练集和测试集；记训练集为Tm、测试集为S，训练集中每组数据的类型权重记为其中m表示第m次循环，l表示训练集中的第l组数据；当m＝1，即第一次循环时，训练集中每组数据的类型权重均记为1；3从训练集Tm中随机抽取P％组数据作为训练子集，共进行N次抽取，每次均在完整的训练集Tm中进行，得到N个训练集子集其中，表示第m次循环时的第n个子数据集；4使用BP神经网络，将训练子集中每组数据的输入与相对应的数据类型权重的乘积作为训练数据，输出与相对应的数据类型权重的乘积作为预测数据，构建BP神经网络模型；分别使用N个子数据集构建N个子模型其中表示在第m次循环时，使用第n个子数据集建立的模型；5记录训练集Tm中的每组数据分别被N个子数据集抽取到的权重以及分别在N个子模型中的误差其中，表示训练集Tm中的第l组数据对于训练子集的抽取权重，表示训练集Tm中第l组数据在模型中的误差；6根据5中得到的训练集Tm中每组数据对于所有训练子集的抽取权重以及在所有子模型中的误差，计算训练集Tm中所有数据在N个子模型中的平均误差7将步骤6中获取到的训练集Tm中所有数据的平均误差按照降序排列，取训练集Tm中误差最大的前1％组数据标记为异常数据，其他组数据标记为正常数据；8根据7中辨识出的训练集Tm中的正常数据和异常数据，对训练集Tm中的所有数据进行数据类型权重更新，得到新的训练集Tm+1，正常数据的数据类型权重不发生改变，异常数据的数据类型权重记为0；9分别使用训练集Tm与新的训练集Tm+1，利用BP神经网络，将训练集中每组数据的输入与相对应的数据类型权重的乘积作为训练数据，输出与相对应的数据类型权重的乘积作为预测数据，构建两个BP神经网络模型Rm与Rm+1；10计算测试集S中所有数据在两个模型中的平均绝对误差如果则认为有效的辨识了异常数据，使用新的训练集Tm+1从步骤3继续进行下一轮循环；否则，认为训练集Tm中所有的异常数据被成功辨识，返回训练集Tm中数据类型权重类型为0的数据为异常数据，数据类型权重类型为1的数据为正常数据；11分别用未处理的训练集数据和预处理后得到的正常数据，结合预测模型建模方法，构建两个沉降值预测模型；计算测试集数据在两个模型中的平均误差，验证方法的有效性；步骤3中P在每次循环中取相同的值，即训练子集满足φT1m＝φTm*P％，其中φ表示集合包含的数据量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。