五一数模C题：煤矿冲击地压预测的时序数据建模与Python实战

1. 项目概述从赛题到解题的思维跃迁五一数学建模竞赛的C题每年都是兵家必争之地题目往往紧扣前沿科技或重大工程问题对参赛者的综合能力是极大的考验。今年这道“煤矿深部开采冲击地压危险预测”的题目一出来就在圈子里炸开了锅。它完美地踩在了两个关键点上一是国家能源安全与矿山安全生产的重大战略需求二是当前工业智能化、数据驱动决策的技术风口。很多同学拿到题目看到“冲击地压”、“微震监测”、“时序预测”这些专业术语可能就有点发怵感觉无从下手。别慌这道题的本质其实是一个披着矿业工程外衣的、典型的多源时序数据融合与风险预警建模问题。你的核心任务不是去挖煤而是作为一名数据分析师和算法工程师利用给定的多维度监测数据构建一个可靠的、可解释的风险预测模型。这道题的价值在于它极其贴近真实的工业场景。组委会提供的模拟数据其结构和特征都高度还原了真实煤矿安全监测系统中的数据流。你在这里练的手未来很可能直接应用于实际的矿山安全平台。解题过程就是一次完整的工业数据分析实战从业务理解、数据清洗、特征工程到模型选择、训练验证、结果解读。我参加过也指导过多次数模竞赛深知在有限时间内通常是三天清晰的思路和高效的代码实现比死磕某个复杂算法更重要。本文将为你彻底拆解这道题的解题逻辑、技术选型背后的考量并提供一套模块化、可复现的Python代码框架。我们的目标不是追求理论上最优的“屠龙术”而是打造一把在赛场上能稳定发挥、快速出结果的“瑞士军刀”。2. 核心需求解析与解题总纲在动手写一行代码之前我们必须像解构一个产品需求一样把题目里明说的、暗藏的需求都挖出来。题目要求基于历史监测数据预测未来某个时间段通常是接下来几小时到一天冲击地压的危险性。这直接定义了我们的任务是一个时序二分类预测问题输入是过去一段时间的历史多维度序列数据输出是未来某个时间点或时间段发生危险事件标签为1或不发生标签为0的概率。2.1 题目隐含的四大核心需求多源异构数据融合能力数据通常包含多种类型如微震事件的能量、频次、位置三维坐标地音监测的声发射参数应力监测的实时数据可能还有钻屑量、电磁辐射等。这些数据采样频率不同微震是事件触发记录应力可能是分钟级连续监测量纲和尺度差异巨大。模型必须具备有效融合这些信息的能力。时序依赖与动态特征提取冲击地压的发生有前兆是一个能量积累、裂隙萌生、扩展、贯通的动态过程。模型不能只看静态快照必须能捕捉数据在时间维度上的演变模式比如微震事件从稀疏到密集的“平静期”到“活跃期”的转变或应力值的加速上升趋势。类别不平衡处理在真实场景中重大危险事件永远是少数安全状态是常态。题目给出的数据极大概率是高度不平衡的比如99%都是安全样本。直接训练模型会倾向于把所有样本都预测为“安全”从而得到一个虚假的高准确率。如何处理这种不平衡是模型能否有效的关键。结果的可解释性与稳定性这不仅是建模竞赛的要求更是工业应用的核心。你不能只丢给矿方一个“黑箱”模型说未来危险概率是87%。他们需要知道是“哪个指标异常”、“异常了多久”导致了高风险判断。因此模型最好能提供特征重要性分析或者我们通过特征工程构造出有明确物理意义的指标。2.2 解题总纲三步走战略基于以上需求我建议的解题总纲分为三个层次清晰的阶段第一阶段数据理解与预处理奠基阶段耗时约20%这是最枯燥但决定上限的阶段。核心工作是数据清洗、对齐、缺失值处理和初步的探索性数据分析EDA。目标是得到一份干净、规整的、可供特征工程使用的数据集。第二阶段特征工程与构造核心创意阶段耗时约40%这是拉开差距的关键。我们需要从原始数据中手工构造出能够表征“危险前兆”的特征。这需要一些矿业岩石力学的基础知识但更重要的是数据思维。例如不仅仅是计算过去1小时的微震总能量还可以计算能量的变化率、事件的时空聚集度使用聚类算法如DBSCAN、Benioff应变释放累积等。第三阶段模型构建、训练与验证冲刺阶段耗时约40%选择合适的机器学习或深度学习模型进行训练。这里没有银弹需要快速实验和交叉验证。一个稳健的策略是采用“轻量级模型组合深度学习模型尝试”的双轨制。3. 数据预处理为模型准备好“食材”原始数据通常是以多个CSV文件或一个包含多个工作表Sheet的Excel文件给出。我们假设数据至少包含以下几个核心表微震事件记录表、应力监测时序表、地音监测时序表以及标签表标明历史冲击地压发生的时间点。3.1 数据加载与初步探查首先使用Pandas加载所有数据并进行初步观察。import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from datetime import datetime, timedelta # 假设文件结构 # 加载数据 microseismic_df pd.read_csv(microseismic_events.csv) # 微震事件 stress_df pd.read_csv(stress_monitoring.csv) # 应力监测 acoustic_df pd.read_csv(acoustic_emission.csv) # 地音监测 label_df pd.read_csv(event_labels.csv) # 标签包含‘timestamp’和‘event’1表示发生 # 查看数据基本信息 print(微震数据形状:, microseismic_df.shape) print(microseismic_df.head()) print(\n微震数据信息:) print(microseismic_df.info()) print(\n微震数据描述性统计:) print(microseismic_df.describe()) # 同样查看其他表关键操作与意图df.info()快速查看每列的非空值数量、数据类型判断缺失情况。df.describe()查看数值列的统计分布均值、标准差、分位数初步发现异常值比如能量值出现负值或极大值。重点关注时间列确认时间列的格式并统一转换为datetime类型这是后续所有时序操作的基础。3.2 时间对齐与重采样这是预处理中最关键的一步。不同监测数据频率不同我们需要将其统一到相同的时间颗粒度上比如“10分钟”或“1小时”一个样本点。# 1. 统一时间列并设置为索引 microseismic_df[timestamp] pd.to_datetime(microseismic_df[timestamp]) stress_df[timestamp] pd.to_datetime(stress_df[timestamp]) acoustic_df[timestamp] pd.to_datetime(acoustic_df[timestamp]) label_df[timestamp] pd.to_datetime(label_df[timestamp]) microseismic_df.set_index(timestamp, inplaceTrue) stress_df.set_index(timestamp, inplaceTrue) acoustic_df.set_index(timestamp, inplaceTrue) # 2. 对微震事件数据进行聚合因为它是事件记录不是等间隔时序 # 假设我们以1小时为窗口进行聚合 resample_rule 1H # 可以调整为10Min, 30Min等 microseismic_resampled microseismic_df.resample(resample_rule).agg({ energy: [sum, mean, std, count], # 总能量平均能量能量标准差事件次数 x: mean, # 平均x坐标可反映震中迁移 y: mean, z: mean }) # 扁平化多级列索引 microseismic_resampled.columns [_.join(col).strip() for col in microseismic_resampled.columns.values] microseismic_resampled.rename(columns{energy_count: event_count}, inplaceTrue) # 3. 对应力和地音数据进行重采样取均值 stress_resampled stress_df.resample(resample_rule).mean() acoustic_resampled acoustic_df.resample(resample_rule).mean() # 4. 将标签数据也扩展到相同的时序索引上 # 先创建一个覆盖整个研究时间段、以resample_rule为频率的完整时间索引 full_time_index pd.date_range(startmin(microseismic_df.index.min(), stress_df.index.min()), endmax(microseismic_df.index.max(), stress_df.index.max()), freqresample_rule) # 将标签事件映射到对应的时间窗口 label_df[time_window] label_df[timestamp].dt.floor(resample_rule) label_series label_df.groupby(time_window)[event].max() # 如果一个窗口内有多个事件标记为1 # 将标签序列对齐到完整时间索引 label_aligned pd.Series(0, indexfull_time_index, dtypeint) label_aligned.update(label_series) label_aligned label_aligned.reindex(full_time_index).fillna(0) # 确保所有时间点都有标签默认为0注意重采样窗口大小的选择是一个超参数。窗口太小数据噪声大特征不稳定窗口太大会平滑掉重要的短期前兆信号。通常需要根据数据的时间跨度几天还是几个月和事件发生的频率来试探性选择1小时是一个常见的起点。3.3 缺失值处理与异常值平滑经过重采样某些时间窗口可能没有数据产生缺失值NaN。对于应力、地音等连续监测数据可以采用前向填充ffill或线性插值interpolate。对于微震聚合数据没有事件的窗口其event_count为0但能量等统计量是NaN我们可以用0填充。# 填充缺失值 stress_resampled stress_resampled.interpolate(methodlinear).fillna(methodffill).fillna(methodbfill) acoustic_resampled acoustic_resampled.interpolate(methodlinear).fillna(methodffill).fillna(methodbfill) microseismic_resampled microseismic_resampled.fillna(0) # 微震无事件即为0 # 处理异常值对于应力、地音数据可以使用3σ原则或IQR进行盖帽处理 def cap_outliers(series, n_std3): mean, std series.mean(), series.std() upper_bound mean n_std * std lower_bound mean - n_std * std return series.clip(lower_bound, upper_bound) stress_resampled stress_resampled.apply(cap_outliers) acoustic_resampled acoustic_resampled.apply(cap_outliers)3.4 数据合并与标签对齐现在我们将所有特征数据合并到一个总表中并与标签对齐。# 合并所有特征数据 feature_df pd.concat([microseismic_resampled, stress_resampled, acoustic_resampled], axis1) feature_df feature_df.reindex(full_time_index) # 对齐到完整时间索引 # 确保特征和标签长度一致并创建最终的DataFrame final_df feature_df.copy() final_df[label] label_aligned.values # 检查类别不平衡情况 print(f安全样本数 (0): {sum(final_df[label]0)}) print(f危险样本数 (1): {sum(final_df[label]1)}) print(f不平衡比例: {sum(final_df[label]1)/len(final_df):.4%})如果危险样本比例低于5%甚至1%那么我们必须高度重视下一阶段的特征工程和模型训练中的不平衡处理策略。4. 特征工程挖掘数据中的“危险信号”原始数据是“矿石”特征工程就是“炼金术”。这里是我们发挥创造力和领域知识的地方。特征可以分为三类统计特征、时序特征和领域特征。4.1 基础统计特征这部分直接从聚合数据中获取我们已经做了一部分如每小时事件数、总能量。还可以进一步计算能量释放率当前窗口能量与上一个窗口能量的比值或差值。事件密度event_count / 窗口时长。空间离散度计算一个窗口内所有微震事件位置x,y,z的标准差反映事件是集中在一个点还是分散开。# 示例计算能量释放变化率和事件密度 final_df[energy_sum_ratio] final_df[energy_sum] / (final_df[energy_sum].shift(1) 1e-6) # 避免除零 final_df[energy_sum_diff] final_df[energy_sum] - final_df[energy_sum].shift(1) final_df[event_density] final_df[event_count] / 1.0 # 窗口长度为1小时密度即等于计数 # 示例计算空间离散度假设已有每个事件的坐标需在聚合时计算 # 在之前的微震聚合中我们计算了坐标的均值但未计算标准差。需要在聚合步骤补充。 # 假设 microseismic_df 有 x, y, z def spatial_std(group): if len(group) 2: return 0 # 计算三维坐标的联合标准差欧氏距离的方差 coords group[[x, y, z]].values centroid coords.mean(axis0) distances np.linalg.norm(coords - centroid, axis1) return distances.std() # 需要在重采样聚合时加入这个函数 # microseismic_resampled[spatial_std] microseismic_df[[x,y,z]].resample(resample_rule).apply(spatial_std)4.2 滑动窗口时序特征这是捕捉动态前兆的核心。我们使用一个滑动时间窗口比如过去24小时计算窗口内序列的各种统计量和变化趋势。# 定义滑动窗口大小例如过去24个时间点即24小时 window_size 24 # 为关键指标创建滑动窗口特征 key_metrics [energy_sum, event_count, stress_sensor1, acoustic_amp_mean] # 根据你的实际列名调整 for col in key_metrics: # 滚动均值、标准差反映近期水平和波动 final_df[f{col}_rolling_mean_24h] final_df[col].rolling(windowwindow_size, min_periods1).mean() final_df[f{col}_rolling_std_24h] final_df[col].rolling(windowwindow_size, min_periods1).std() # 滚动最大值、最小值 final_df[f{col}_rolling_max_24h] final_df[col].rolling(windowwindow_size, min_periods1).max() final_df[f{col}_rolling_min_24h] final_df[col].rolling(windowwindow_size, min_periods1).min() # 变化趋势线性回归的斜率使用最近N个点 def rolling_slope(series): if len(series) 2: return np.nan x np.arange(len(series)) slope, _ np.polyfit(x, series.values, 1) return slope final_df[f{col}_trend_slope_24h] final_df[col].rolling(windowwindow_size, min_periods2).apply(rolling_slope, rawFalse)4.3 领域知识特征核心加分项这里需要引入一些岩石力学和地震学中的概念b值描述大小地震比例关系的参数b值下降常被认为是应力增加、大破裂即将发生的标志。可以在滑动窗口内根据微震事件的能量或震级分布用Gutenberg-Richter公式估算b值。Benioff应变累积将每个微震事件的能量开平方根后累加其加速上升可能预示着主破裂。活跃度与平静期识别微震事件从稀疏平静期突然变得密集活跃期的模式。可以计算事件间隔时间的统计特征。多参数协同突变构造一个布尔特征标记应力、地音、微震活动性等多个指标是否在短时间内同时超过其历史阈值。# 示例简化版的b值计算假设有震级列‘magnitude’ # 注意真实b值计算需要足够多的事件和一定的震级范围 def calculate_b_value(magnitudes, min_magNone): if len(magnitudes) 10: # 事件太少不可靠 return np.nan if min_mag is None: min_mag magnitudes.min() mags_above magnitudes[magnitudes min_mag] N len(mags_above) if N 0: return np.nan b_value np.log10(np.exp(1)) / (np.mean(mags_above) - min_mag) return b_value # 在滚动窗口中应用 # final_df[b_value_rolling_24h] final_df[magnitude].rolling(windowwindow_size).apply(calculate_b_value, rawTrue) # 示例Benioff应变累积假设能量列‘energy’ final_df[benioff_strain] np.sqrt(final_df[energy_sum]).cumsum() # 也可以计算滚动窗口内的Benioff应变释放率 final_df[benioff_strain_rate_24h] final_df[benioff_strain].diff(window_size) / window_size4.4 特征筛选与标准化生成大量特征后需要去除相关性过高或对预测无用的特征并对数值特征进行标准化以便模型训练。from sklearn.feature_selection import SelectKBest, f_classif from sklearn.preprocessing import StandardScaler # 1. 处理最终数据中的NaN由于滚动窗口计算产生 final_df_clean final_df.dropna().copy() # 分离特征和标签 X final_df_clean.drop(label, axis1) y final_df_clean[label] # 2. 特征筛选例如选择与标签相关性最高的20个特征 selector SelectKBest(score_funcf_classif, kmin(20, X.shape[1])) X_selected selector.fit_transform(X, y) selected_feature_names X.columns[selector.get_support()] print(f筛选出的特征数量: {len(selected_feature_names)}) print(重要特征:, selected_feature_names.tolist()) # 3. 数据标准化 scaler StandardScaler() X_scaled scaler.fit_transform(X_selected) # 注意将scaler和selector保存用于预测时的相同变换5. 模型构建与训练双轨制策略我们采用“轻量级模型快速验证深度学习模型深度挖掘”的策略。先用简单的模型快速验证特征的有效性和流程的正确性再用复杂模型尝试提升性能。5.1 轻量级模型逻辑回归与树模型这类模型训练快可解释性强适合作为基线。from sklearn.model_selection import TimeSeriesSplit, cross_val_predict from sklearn.linear_model import LogisticRegression from sklearn.ensemble import RandomForestClassifier, GradientBoostingClassifier from sklearn.metrics import classification_report, confusion_matrix, roc_auc_score, precision_recall_curve import warnings warnings.filterwarnings(ignore) # 使用时序交叉验证避免数据泄露 tscv TimeSeriesSplit(n_splits5) # 模型列表 models { Logistic Regression: LogisticRegression(class_weightbalanced, max_iter1000, random_state42), Random Forest: RandomForestClassifier(class_weightbalanced, n_estimators100, random_state42), Gradient Boosting: GradientBoostingClassifier(n_estimators100, random_state42) # GBDT通常自己处理不平衡较好 } results {} for name, model in models.items(): print(f\n 训练 {name} ) # 获取交叉验证的预测概率 y_pred_proba cross_val_predict(model, X_scaled, y, cvtscv, methodpredict_proba, n_jobs-1)[:, 1] y_pred (y_pred_proba 0.5).astype(int) # 默认阈值0.5 auc roc_auc_score(y, y_pred_proba) print(fROC-AUC Score: {auc:.4f}) print(classification_report(y, y_pred, target_names[安全, 危险])) # 存储结果 results[name] {model: model, y_pred_proba: y_pred_proba, auc: auc} # 训练一个最终模型用于特征重要性分析以随机森林为例 if name Random Forest: model.fit(X_scaled, y) importances model.feature_importances_ feat_imp_df pd.DataFrame({feature: selected_feature_names, importance: importances}) feat_imp_df feat_imp_df.sort_values(importance, ascendingFalse) print(\n随机森林特征重要性 Top 10:) print(feat_imp_df.head(10))实操心得在类别极度不平衡时不要只看准确率Accuracy它毫无意义。重点关注ROC-AUC衡量模型整体排序能力和精确率-召回率曲线下的面积PR-AUC在正样本稀少时更重要。同时观察危险类别1的召回率Recall它代表了模型能捕捉到多少真正的危险事件。我们宁可误报一些也绝不能漏报。5.2 处理类别不平衡阈值移动与重采样如果基线模型的召回率很低我们需要主动干预。# 方法一调整分类阈值 # 基于交叉验证的结果寻找最优阈值最大化F1-score或Youdens J指数 from sklearn.metrics import f1_score best_f1 0 best_threshold 0.5 y_pred_proba_lr results[Logistic Regression][y_pred_proba] for threshold in np.arange(0.1, 0.9, 0.05): y_pred_temp (y_pred_proba_lr threshold).astype(int) f1 f1_score(y, y_pred_temp) if f1 best_f1: best_f1 f1 best_threshold threshold print(f逻辑回归最优阈值: {best_threshold:.2f}, 对应F1-score: {best_f1:.4f}) # 方法二在训练过程中使用重采样如SMOTE from imblearn.over_sampling import SMOTE from imblearn.pipeline import make_pipeline # 创建一个包含SMOTE和模型的pipeline smote SMOTE(random_state42) model_lr_smote make_pipeline(smote, LogisticRegression(max_iter1000, random_state42)) y_pred_proba_smote cross_val_predict(model_lr_smote, X_scaled, y, cvtscv, methodpredict_proba, n_jobs-1)[:, 1] auc_smote roc_auc_score(y, y_pred_proba_smote) print(f使用SMOTE后逻辑回归的ROC-AUC: {auc_smote:.4f})5.3 深度学习模型LSTM时序网络对于时序数据长短期记忆网络LSTM是自然的选择。它能更好地捕捉长期依赖关系。import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers, callbacks from sklearn.model_selection import train_test_split # 为LSTM准备数据需要3D张量 [样本数, 时间步长, 特征数] time_steps 24 # 使用过去24个时间点预测下一个点 n_features X_scaled.shape[1] # 构建序列样本 def create_sequences(X, y, time_steps1): Xs, ys [], [] for i in range(len(X) - time_steps): Xs.append(X[i:(i time_steps)]) ys.append(y[i time_steps]) # 预测下一个时间点的标签 return np.array(Xs), np.array(ys) X_seq, y_seq create_sequences(X_scaled, y.values, time_steps) # 划分训练集和验证集按时间顺序 split_idx int(0.8 * len(X_seq)) X_train, X_val X_seq[:split_idx], X_seq[split_idx:] y_train, y_val y_seq[:split_idx], y_seq[split_idx:] # 构建LSTM模型 model_lstm keras.Sequential([ layers.Input(shape(time_steps, n_features)), layers.LSTM(64, activationrelu, return_sequencesTrue), layers.Dropout(0.3), layers.LSTM(32, activationrelu), layers.Dropout(0.3), layers.Dense(16, activationrelu), layers.Dense(1, activationsigmoid) ]) model_lstm.compile( optimizerkeras.optimizers.Adam(learning_rate0.001), lossbinary_crossentropy, metrics[accuracy, keras.metrics.AUC(nameauc), keras.metrics.Recall(namerecall)] ) # 定义回调函数早停和保存最佳模型 callbacks_list [ callbacks.EarlyStopping(monitorval_auc, patience20, modemax, restore_best_weightsTrue), callbacks.ReduceLROnPlateau(monitorval_loss, factor0.5, patience10, min_lr1e-6) ] # 处理不平衡在损失函数中加权或使用class_weight # 计算类别权重 from sklearn.utils.class_weight import compute_class_weight class_weights compute_class_weight(balanced, classesnp.unique(y_train), yy_train) class_weight_dict dict(enumerate(class_weights)) # 训练模型 history model_lstm.fit( X_train, y_train, validation_data(X_val, y_val), epochs100, batch_size32, callbackscallbacks_list, class_weightclass_weight_dict, verbose1 ) # 评估模型 y_val_pred_proba_lstm model_lstm.predict(X_val).flatten() auc_lstm roc_auc_score(y_val, y_val_pred_proba_lstm) print(f\nLSTM在验证集上的ROC-AUC: {auc_lstm:.4f})6. 模型集成与结果提交策略在竞赛中单一模型可能不稳定集成学习能有效提升泛化能力。6.1 简单的加权平均集成# 假设我们选择了三个表现较好的模型随机森林、梯度提升树和LSTM # 我们已经有了它们在验证集上的预测概率 y_pred_proba_rf, y_pred_proba_gbdt, y_pred_proba_lstm # 赋予权重可以根据它们在验证集上的AUC来分配 weight_rf 0.3 weight_gbdt 0.3 weight_lstm 0.4 y_pred_proba_ensemble (weight_rf * y_pred_proba_rf weight_gbdt * y_pred_proba_gbdt weight_lstm * y_pred_proba_lstm) # 计算集成后的AUC auc_ensemble roc_auc_score(y_val, y_pred_proba_ensemble) print(f加权平均集成后的ROC-AUC: {auc_ensemble:.4f})6.2 结果后处理与提交文件生成预测结果需要按照赛题要求格式化输出。通常需要提交每个预测时间点或窗口的危险概率。# 假设我们需要对测试集 test_features 进行预测 # test_features 是已经过和训练集完全相同预处理和特征工程后的数据 # 1. 使用保存的scaler和selector变换测试集 test_X_selected selector.transform(test_features) # 注意test_features需要包含所有原始特征列 test_X_scaled scaler.transform(test_X_selected) # 2. 为LSTM准备测试序列如果使用 test_X_seq, _ create_sequences(test_X_scaled, np.zeros(len(test_X_scaled)), time_steps) # 注意create_sequences会使样本减少time_steps个需要对齐 # 3. 使用各个训练好的模型进行预测 final_model_rf results[Random Forest][model] # 假设已用全数据重新训练 final_model_gbdt results[Gradient Boosting][model] # LSTM模型已经训练好 test_pred_rf final_model_rf.predict_proba(test_X_scaled)[:, 1] test_pred_gbdt final_model_gbdt.predict_proba(test_X_scaled)[:, 1] test_pred_lstm model_lstm.predict(test_X_seq[-len(test_X_scaled):]).flatten() # 对齐维度 # 4. 集成预测 test_pred_ensemble (weight_rf * test_pred_rf weight_gbdt * test_pred_gbdt weight_lstm * test_pred_lstm) # 5. 生成提交DataFrame # 假设测试集有‘time_window’列 submission_df pd.DataFrame({ time_window: test_time_windows, # 测试集时间窗口 danger_probability: test_pred_ensemble }) # 保存为CSV submission_df.to_csv(submission_C题_预测结果.csv, indexFalse) print(预测结果文件已生成。)7. 常见问题与避坑指南在实际操作和以往竞赛中我总结了一些高频问题和应对策略问题1特征工程后模型AUC很高比如0.99但召回率极低。原因这是类别不平衡的典型陷阱。模型学会了完美区分大部分简单负样本但对少数正样本无能为力。高AUC可能来自对负样本的完美排序。解决立刻停止看AUC转向PR曲线和F1-score。使用class_weightbalanced、SMOTE过采样、或调整分类阈值通常需要调低如从0.5调到0.1或0.2。问题2LSTM模型训练损失震荡或不收敛。原因时序数据可能存在不稳定、量纲差异大的特征学习率可能不合适网络结构可能过于复杂导致过拟合。解决数据层面确保输入LSTM的数据已经过标准化StandardScaler。可以尝试对序列数据进行差分计算变化量以使其更平稳。模型层面从一个简单的LSTM层如32个单元开始逐步增加。大量使用Dropout0.3-0.5和L2正则化来抑制过拟合。训练技巧使用学习率衰减ReduceLROnPlateau和早停EarlyStopping。批量归一化BatchNormalization层有时也有帮助。问题3滚动窗口特征导致数据前部出现大量NaN。原因使用.rolling().mean()等操作时窗口初始位置数据不足。解决设置min_periods1参数允许窗口内至少有一个数据时就计算。但需注意这会使窗口初期的统计量不稳定。更稳健的做法是在构建完所有特征后统一使用.dropna()删除包含NaN的行但要注意这会损失一部分数据。问题4预测结果概率值全都集中在0.5附近没有区分度。原因可能是特征区分能力不强或者模型能力不足欠拟合。解决回溯检查特征工程。你构造的特征是否真的与“危险”事件物理相关尝试引入更多领域知识特征。也可以尝试更复杂的模型如LightGBM、XGBoost或更深的神经网络。问题5时间序列交叉验证TimeSeriesSplit结果波动很大。原因数据可能在不同时间段有不同的模式例如矿山开采到不同深度应力环境变化。解决增加交叉验证的折数n_splits以获取更稳定的性能估计。最终模型应用全部可用数据重新训练一次。最后在论文写作中一定要将你的思考过程和模型的可解释性作为重点。画出特征重要性图展示关键特征如b值、应变率在危险事件发生前的异常变化曲线。说明你为什么选择这个阈值以及这个阈值在误报和漏报之间做了怎样的权衡。让评委看到你不仅建了一个模型更理解了这个模型背后的物理意义和工程价值。这套从数据到模型再到解释的完整链条才是数模竞赛拿高分的关键。代码是骨架而清晰的逻辑和深入的洞察才是灵魂。