冀汶莉，郗刘涛，柴 敬

(1.西安科技大学 通信与信息工程学院，陕西 西安 710054；2.西安科技大学 西部矿井开采及灾害防治教育部重点实验室，陕西 西安 710054；3.西安科技大学 能源学院，陕西 西安 710054)

0 引 言

中国工程院主持研究的《我国煤炭资源高效回收及节能战略研究》中指出煤炭目前仍然是中国的重要能源[1]。随着煤炭资源的深度开采，采场上覆岩层出现大空间、大变形的特点[2-5]。与冲击地压的产生有直接关系的采场上覆岩层的复杂变形和运动过程仍难以有效监测、准确表征和精确预测。分布式光纤传感器技术结合数据挖掘技术为解决上述问题提供了可行思路[6-7]。无论是采动覆岩分布式光纤实际监测应用，还是以研究煤岩动力灾害的发生规律以及灾害前兆信息识别为目标的分布式光纤监测的实验室大尺度物理模拟实验，由于光纤传感器的物理特性以及周围地质环境的影响使数据缺失的情况客观存在，这将会导致基于监测数据的学习算法学习到的参数出现偏差，标准差增大，泛化能力减弱等问题[8-11]，最终将影响煤矿灾害前兆信息的精准辨识和预警效果。

目前对于缺失数据处理常用的方法有2类，一是传统方法，如删除法、均值法、以及插值法来填补少数离散缺失值[12]。删除方法在遇到连续缺失或者数据变化幅度较大的情况，不但会丢失一些重要的信息，而且导致数据集规模可能减小。LITTLE和RUBIN详细描述了直接剔除缺失记录可能会导致的严重风险[13-14]。……