《Science Progress》:Risk assessment of mine water inrush based on semi-supervised deep learning model
编辑推荐:
为建立有效的煤矿底板突水预测模型,研究人员提出了一种基于改进Tri-training的半监督模型。通过利用无标签数据,该半监督模型解决了突水数据集中有标签数据有限的局限性。由于突水特征对事故发生的影响程度不同,研究人员提出将互信息丢弃稀疏自编码器(MIdrop
为建立有效的煤矿底板突水预测模型,研究人员提出了一种基于改进Tri-training的半监督模型。通过利用无标签数据,该半监督模型解决了突水数据集中有标签数据有限的局限性。由于突水特征对事故发生的影响程度不同,研究人员提出将互信息丢弃稀疏自编码器(MIdrop-SAE)作为该半监督模型的基础分类器。利用互信息评估特征与目标之间的相关性,并将相关性较弱的特征权重重置为零,以减少不相关特征对预测精度的影响。通过将华北典型矿区突水事故与模型预测结果同两淮地区实际矿区进行对比,证实了该方法的优越性。结果表明,与传统预测技术相比,本文提出的模型准确率达91.43%,而SAE的准确率为82.86%。与近期提出的模型(如IWOA-SVM)相比,该模型准确率提高了3%。研究成果可应用于突水预测,将深度学习与半监督模型相结合,具有理论和实践意义。
论文解读文章
一、研究背景与意义
华北型煤矿大多在石炭系太原组进行深部煤炭开采,华北煤田含水层具有显著的异质性、空间分布不规则性和复杂的边界条件,这些含水层主要受石炭系和二叠系岩溶裂隙水影响,导致突水事故频发。由于该区域靠近奥陶系灰岩,突水事故频繁发生。因此,预测煤矿突水是煤矿安全生产的必要组成部分。突水机理的研究是煤矿突水预测研究与发展的基础。通过突水机理研究,国内外学者建立了突水指标体系并确定了重要的突水变量。已有研究采用回归分析、分类技术、地理信息系统、支持向量机、神经网络、随机森林、极限学习机(ELM)、加权极限学习机(WELM)、灰色理论、改进层次分析法脆弱性指数等数据分析方法进行突水预测。然而,现有底板突水预测算法难以挖掘突水特征与事故发生之间的复杂映射关系,主要基于少数主控特征分析,忽视了突水事故的发生是多种自然因素和开采因素共同作用的结果。此外,现有模型还面临泛化能力不足等问题。
二、研究内容与核心贡献
针对上述问题,研究人员提出了一种基于半监督Tri-training的底板突水预测模型。该模型采用集成互信息丢弃策略的稀疏自编码器(SAE)作为基础分类器。为减少噪声数据的影响,在Tri-training过程中引入了伪标签样本置信度机制。利用互信息度量评估自编码器隐层神经元与目标表征之间的相关性,从而完成丢弃机制的设计。该方法使模型能够保留对突水特征表达有显著贡献的神经元,提取高度相关的特征。通过改进的半监督Tri-training算法对无标签数据进行筛选并赋予伪标签,将筛选后的伪标签数据纳入原始突水样本训练集,重新训练基础分类器以更新模型参数。最后,通过加权投票对训练好的基础模型进行集成,生成最终预测结果。
该研究的主要贡献包括三个方面:第一,基于煤层底板突水机理和主要水文地质诱导条件,分析了底板突水成因和突水通道,明确了含水层、隔水层、煤层和地质构造等周围地质条件对底板突水事故发生的驱动作用,确定了影响底板突水事故发生的主要地质和水文因素。第二,为解决突水样本集中有标签样本数量不足、无标签数据量大的问题,建立了基于半监督Tri-training模型的底板突水预测模型,利用无标签样本提高了模型精度,并在Tri-training模型中加入了伪标签样本置信度以降低噪声数据对预测精度的影响。第三,针对自编码器将突水变量视为同等重要、导致低相关变量信息扩散到高维特征的问题,利用互信息评估隐层神经元与预测目标之间的相关性,通过将低相关特征神经元权重重置为零,减少不相关变量对预测精度的影响。
三、关键技术方法概述
研究人员采用的主要技术方法包括:一是互信息丢弃稀疏自编码器(MIdrop-SAE),利用互信息评估隐层神经元与目标的相关性,通过二进制掩码矩阵将低相关神经元权重置零,保留高相关神经元以提升特征提取能力;二是半监督Tri-training算法,通过Bootstrap采样生成三个基础分类器的子训练集,利用两个分类器预测结果一致时生成伪标签,并采用最近邻思想筛选高置信度伪标签样本以扩充训练集;三是加权投票集成策略,根据基础分类器精度比例进行加权集成输出最终预测结果。实验数据来源于华北典型矿区采集的突水数据,共180组数据,其中110组为无标签数据,测试集为35组有标签样本,另以两淮矿区采集的30组突水数据进行案例验证。
四、研究结果
(1)Tri-training-MIDrop-SAE算法与相关突水预测算法的对比
为验证所提方法的有效性,研究人员在相同实验背景下将所提模型与SVM模型、SAE模型、互信息丢弃SAE模型和Tri-training-SAE模型四种相关预测模型进行了对比。实验结果表明,Tri-training-MIDrop-SAE模型的准确率为0.914、召回率为0.923、F1分数为0.930,均优于其他对比模型。SVM算法虽在小样本和非线性数据处理方面表现良好,但在捕捉突水特征与事件之间的复杂映射关系方面存在局限,且召回率较低,易导致突水事故漏检。SAE模型因对噪声变量和突水相关变量赋予同等重构权重,可能将不相关变量信息传播到高维特征中,降低特征提取能力。MIDrop-SAE通过将低相关特征神经元权重置零,有效缓解了不相关特征的影响。Tri-training算法通过利用无标签样本生成伪标签扩充有标签数据集,在标签样本稀缺条件下显著提升了模型预测能力。
(2)Tri-training-MIDrop-SAE算法与近年突水预测算法的对比
研究人员将所提算法与近年提出的IWOA-SVM、PCA-OPF和PCA-Fisher等突水预测算法进行了对比。结果表明,所提算法在特征提取阶段对突水数据中次要特征的缩减程度小于PCA等传统算法,能够相对完整地保留突水样本特征。与IWOA-SVM算法相比,浅层网络难以表达突水特征与事故发生之间的复杂映射关系,需要从突水数据中提取隐藏特征以减少不相关特征信息对模型表达的影响。与Fisher和OPF等分类算法相比,Tri-training算法在标签样本稀缺情况下显著提高了突水模型的预测能力。半监督学习算法通过为无标签样本生成伪标签增加训练样本数量,并通过最近邻过滤减少错误标签噪声的产生,有效解决了突水数据集中标签样本数量少的问题。
(3)两淮矿区案例验证
研究人员利用两淮矿区采集的30组突水数据对所提预测模型进行了案例验证,将预测结果与实际结果进行了对比。结果显示,仅有两个样本的预测结果出现错误,准确率非常高。通过两淮矿区的预测结果以及上述华北典型突水案例的算法分析结果可以看出,基于Tri-training的底板突水预测模型能够有效利用突水数据集中更多的无标签样本,同时抑制与突水事故相关性较小的影响因素对模型的干扰,有效提高了矿井突水预测的准确性。
五、讨论与结论
研究人员指出,目前矿井底板突水研究日益增多,但突水过程的数值模拟研究尚不完善,相关理论计算方法有待进一步发展和改进。用于突水数据扩充的伪标签策略会产生噪声,或存在正负数据边界模糊的不足,虽然所提改进算法在一定程度上解决了该问题,但无法完全消除。当前基于数据的建模方法主要针对静态数据,未考虑突水事故的动态过程。未来工作需要考虑数据的时间动态性,并与煤矿合作采集矿井突水控制因素的时间序列数据,以确保完整底板突水数据集完整性和多样性。
本研究提出的基于半监督Tri-training的底板突水预测模型,充分利用样本集中的无标签数据提高了模型的泛化能力,并通过添加无标签样本置信度降低了噪声数据对模型的影响。互信息丢弃策略有助于模型提取与突水事故高度相关的特征,同时保留支持突水特征表达的神经元。案例研究表明,模型预测结果与实际煤矿突水情况一致,具有较高的预测准确率,对煤矿安全生产具有重要的理论和实践意义。