1.一种基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法，其特征是：矿井光纤光栅监测系统缺失数据补偿方法，包括以下几个步骤：步骤1：对矿井光纤光栅监测系统传感设备进行数据采集；

步骤2：对光纤光栅传感设备采集的监测数据用时间序列表示并进行预处理；

步骤3：选择与构造支持向量机的核函数；

步骤4：选择确定支持向量机的超参数；

步骤5：根据确定的核函数、损失函数及惩罚参数构建核矩阵，采用优化算法得到支持向量机最优参数值；

步骤6：根据最优参数建立支持向量机回归函数模型，对数据进行拟合回归分析，得到缺失数据补偿结果，实现缺失数据的缺失补偿工作；

所述的步骤1中，具体的：所述的矿井光纤光栅监测系统包括地面数据处理及控制子系统、井下传输通讯子系统和井下传感监测子系统，其中地面数据处理及控制子系统包括光纤光栅信号处理器和电脑主机，井下传输通讯子系统包括矿用通信光缆和光缆接续盒，井下传感设备监测子系统包括至少一个光纤光栅传感设备；

所述的光纤光栅传感设备包括光纤光栅顶板离层仪、光纤光栅锚杆测力计、光纤光栅测力锚杆、光纤光栅钻孔应力计、光纤光栅温度传感器、光纤光栅支架压力计、光纤光栅振动传感器、光纤光栅倾角传感器、光纤光栅水压传感器；

所述的光纤光栅传感设备监测的数据根据监测参数、传感设备安装位置、变化特性的特点，选择合适的传感设备数据作为支持向量机的训练样本，根据这些传感设备的数据时变规律，对缺失数据值进行估计；

步骤2中，具体的：

首先，根据所选择的光纤光栅传感设备监测数据用时间序列表示，并对时间序列数据进行预处理；

所述的时间序列数据的预处理分为数据的归一化和小波去噪，其具体实现包括以下子步骤：

步骤2.1：根据选择的数据训练样本，对其进行归一化处理，将样本输入数据规整到[0,

1]区间范围内，计算公式为：式中，xi为样本输入数据，x’i为归一化之后xi的变量，xmax为样本输入数据的最大值，xmin为样本输入数据的最小值；

步骤2.2：对监测数据时间序列进行小波去噪，消除噪声误差并提取变形规律特征，具体步骤为：首先选择小波滤波系数构造变换矩阵进而确定监测数据小波分解层次，其次确定小波分解层次的高频系数，对高频系数进行阈值量化处理，最后用小波分解的低频系数和阈值量化处理后的高频系数进行重构，得到去噪后的监测数据序列的估计值；

步骤3中，具体的：针对矿井光纤光栅传感设备监测数据时序的特点，选择与构造支持向量机已有类型的核函数，确定核参数σ的取值范围；

步骤4中，具体的：

首先选择支持向量机的损失函数类型，确定损失函数的参数取值范围，其次确定支持向量机的惩罚参数C的取值范围，惩罚参数的选取公式为：式中，为数据训练样本输出数据的平均值，σy为输出数据的标准离差；

步骤5中，具体的：求解出支持向量解αi、 和权向量ω，优化支持向量机中的核参数σ和惩罚参数C，采用交叉验证算法得到支持向量机中核参数σ和惩罚参数C的最优组合；

步骤6中，具体的：所述的回归函数为线性时，支持向量机回归模型的回归函数为：对于非线性问题，支持向量机回归模型的回归函数为：其中K(xi,yi)为支持向量机核函n n n

数，训练样本集为{(xi,yi),i＝1,2,3,…,n}，xi∈R为输入向量，yi∈R为输出向量，R 为输入样本空间，n为样本个数，b∈R为阈值，αi、 为拉格朗日乘子，利用支持向量机回归模型的回归函数得到缺失数据补偿结果，实现缺失数据的缺失补偿工作。

2.根据权利要求1所述的基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法，其特征是：步骤3中所述的核函数包括以下几种：

1)多项式核函数：

d d

K(x,y)＝(x·y) 或K(x,y)＝(x·y+1) ；d为多项式核函数的次幂；

2)径向基函数：

3)Sigmoid核函数：

K(x,y)＝tanh[b·(x·y)+θ]；θ为核函数的回归系数。

3.根据权利要求1所述的基于支持向量机的矿井光纤光栅监测系统缺失数据补偿方法，其特征是：步骤4所述的损失函数包括以下几种：

1)ε不敏感损失函数：

其中参数ε的取值计算公式为

式中n为数据训练样本大小，σnoise为噪声的标准离差，k为近邻估计点数，取值范围为2～6；

2)r范数损失函数：

r

Lr(y,f(x,ω))＝|y‑f(x,ω)| ,r>0其中参数r的取值为2；

3)Huber损失函数：

其中参数μ的取值计算公式为：σnoise为噪声的标准离差。