1.一种煤矿井下电磁辐射强度的时序数据选择与趋势预测方法,其特征在于,包括以下步骤:
采样煤矿井下电磁辐射强度的时序数据以得到样本数据集;
对所述样本数据集进行聚类粒化处理以得到多个数据子集;
基于Hausdorff距离确定每个所述数据子集中样本点的重要性大小,并根据重要性大小对每个样本点进行去除或保留,以得到预测数据集;
根据所述预测数据集对煤矿井下电磁辐射强度的变化趋势进行预测;
Hausdorff距离的定义如下:给定两个有限点集A={a1,a2,…,ap},B={b1,b2,…,bq},则点集A和B之间的Hausdorff距离定义为:
H(A,B)=max(h(A,B),h(B,A))其中,
其中,|a‑b|表示点a和b之间的距离范数,为点集A到点集B的有向Hausdorff距离,即点集A中所有点到点集B的最小距离的最大值,h(B,A)为反向Hausdorff距离,它与h(A,B)中的较大者构成了点集A与点集B的Hausdorff距离。
2.根据权利要求1所述的煤矿井下电磁辐射强度的时序数据选择与趋势预测方法,其特征在于,通过K‑means算法对所述样本数据集进行聚类粒化处理以得到多个数据子集。
3.根据权利要求2所述的煤矿井下电磁辐射强度的时序数据选择与趋势预测方法,其特征在于,数据子集X中样本点x的重要性大小为:sig(x)=H(X,X′)
其中,sig(x)为数据子集X中样本点x的重要性大小,X′为数据子集X去除样本点x后得到的数据集,H(X,X′)为X与X′之间的Hausdorff距离。
4.根据权利要求3所述的煤矿井下电磁辐射强度的时序数据选择与趋势预测方法,其特征在于,根据重要性大小对每个样本点进行去除或保留,具体包括:设定数据重要性阈值;
判断每个所述数据子集中每个样本点的重要性大小是否大于所述数据重要性阈值;
对于每个所述数据子集,去除重要性大小小于或等于所述数据重要性阈值的样本点,并保留重要性大小大于所述数据重要性阈值的样本点。
5.根据权利要求4所述的煤矿井下电磁辐射强度的时序数据选择与趋势预测方法,其特征在于,通过RNN、LSTM或DNN,根据所述预测数据集对煤矿井下电磁辐射强度的变化趋势进行预测。