异常数据识别对于煤矿安全监测系统具有重要作用，但安全监测系统中异常数据一般只占数据总量的1%左右，不平衡性是此类数据的固有特点。目前多数机器学习算法在不平衡数据集上的分类预测准确率和灵敏度都相对较差。为了能准确识别异常数据，以煤矿分布式光纤竖井变形监测系统采集的数据为研究对象，提出了一种面向不平衡数据集、基于去重复下采样（RDU）、合成少数类过采样技术（SMOTE）和随机森林（RF）分类算法的煤矿监测系统异常数据识别方法。该方法利用RDU算法对多数类数据进行下采样，去除重复样本；利用SMOTE算