王苏健，贾澎涛，金声尧

(1.陕西煤业化工技术研究院有限责任公司，陕西 西安 710100；2.西安科技大学 计算机科学与技术学院，陕西 西安 710054)

0 引 言

随着我国矿井开采深度的增加，因围岩应力增高而造成的事故时有发生，严重威胁着煤矿生产安全[1]。为了有效控制围岩应力，需要采取必要的监测预警手段，实现对矿井巷道和采掘工作面的实时监控预警[2-4]。在围岩应力安全监测中，采集数据的准确与否对矿山安全预警结果有着至关重要的影响[5]。但是在监测数据采集过程中，由于受井下恶劣的现场环境、设备和线路故障、人为因素等条件限制，采集到的围岩应力数据经常会存在缺失值的情况，严重影响了后续的数据分析、安全预警等工作。因此，对围岩应力监测数据的缺失值进行有效插补是亟待解决的问题[6-7]。

围岩应力监测数据是典型的时间序列数据，可以采用时间序列数据插值方法进行插补。常用的时间序列插值方法有传统的数理统计方法和机器学习方法。传统的数理统计方法有均值插值、中值插值、线性插值、最邻近插值、拉格朗日插值、样条插值等[8]。基于机器学习的插值方法有基于聚类的插值[9-10]、基于回归分析的插值[11]、基于神经网络的插值[12-14]、基于集成学习的插值方法[15]等。

在围岩应力数据插值领域，陆振裕等采用线性插值法，对于钻屑法获得围岩压力系列离散点数据进行插值，为后期冲击地压危险预测提供了有效的数据[16]。李凯拓同样采用线性插值法，对王庄煤矿三维地应力分量做了平滑处理，最终绘制出了各应力量分布云图[17]。……