CN103729798A - 基于改进的K-Means聚类的煤矿安全评价系统 - Google Patents
基于改进的K-Means聚类的煤矿安全评价系统 Download PDFInfo
- Publication number
- CN103729798A CN103729798A CN201410041849.3A CN201410041849A CN103729798A CN 103729798 A CN103729798 A CN 103729798A CN 201410041849 A CN201410041849 A CN 201410041849A CN 103729798 A CN103729798 A CN 103729798A
- Authority
- CN
- China
- Prior art keywords
- mine
- value
- vector
- density
- cluster
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种改进的K-Means聚类的煤矿安全评价系统,包括矿井安全数据输入模块、基于改进的K-Means聚类的数据分析模块、结果输出模块;矿井安全数据输入模块接收用户提交的矿井安全状态数据,基于改进的K-Means聚类的数据分析模块根据矿井安全状态数据,采用改进的K-Means聚类方法进行数据分析,结果输出模块显示数据分析的结果,为煤矿企业的安全管理决策提供辅助依据。采用本发明的煤矿安全评价系统后,可以对煤炭企业所属矿井安全评价的打分结果进行分析,实现煤矿安全评价的全面管理,其评价结果可为煤矿企业的管理决策提供重要的技术依据。
Description
技术领域
本发明属于煤矿安全领域。
背景技术
煤炭生产是一个多工序、多环节的综合性过程,而且煤矿生产过程复杂、环境恶劣,常常受到水、火、瓦斯、煤尘和冒顶等各种灾害事故的威胁。因此,煤矿安全问题一直是产业安全中一个尤为重要的问题。
对矿井的安全状况进行准确、全面评估是煤矿生产过程中非常关键的环节。煤矿矿井的安全状况受多个因素影响,如通风安全监控、瓦斯和粉尘防治、井下爆破安全、矿井防冒顶、矿井防透水等。研究这些因素之间的组合关系对矿井安全状况的影响,就可以采取合理的防范措施以降低生产中的安全风险,确保安全生产。
发明内容
基于上述各因素之间的相关性,本发明提出了一种基于改进K-Means算法的煤矿安全评价系统,对煤炭企业所属矿井安全评价指标结果进行分析。在煤矿安全管理中需要对通风安全监控、运输和提升、瓦斯和粉尘防治等多个因素进行综合考虑,在本系统中,针对煤矿安全管理中的通风安全监控、运输和提升、瓦斯和粉尘防治、矿井防火、井下爆破安全、矿井防冒顶、矿井防透水等7个因素进行综合分析,分析后的评价结论可以为煤矿企业的安全管理决策提供技术依据。
一种基于改进K-Means算法的煤矿安全评价系统,包括矿井安全数据输入模块、基于改进的K-Means聚类的数据分析模块、结果输出模块;矿井安全数据输入模块接收用户提交的矿井安全状态数据,基于改进的K-Means聚类的数据分析模块根据矿井安全状态数据,采用改进的K-Means聚类方法进行数据分析,结果输出模块显示数据分析的结果。
优选的,基于改进的K-Means聚类的数据分析模块采用以下方法进行聚类:
(1)数据准备:将第 个矿井表示为向量形式,其中分别表示矿井的通风安全监控数值、运输和提升数值、瓦斯和粉尘防治数值、矿井防火数值、井下爆破安全数值、矿井防冒顶数值、矿井防透水数值,得到N个矿井所对应的向量,将其记录为一个矿井向量空间,其中1≤i≤N,i为自然数,N为矿井个数。
(2)对数据使用改进的K-Means算法:针对N个矿井向量使用改进的K-Means聚类算法进行聚类,步骤如下:
相似度评价标准为:两条矿井向量之间夹角的余弦值越接近于1,则这两个矿井安全评价数值的相似度越高;如果两条矿井向量之间夹角的余弦值越接近于0,则这两个矿井安全评价数值之间的相似度越低。
赋给Eps一个初始值,然后计算矿井向量空间中各个样本的密度,如果最大密度大于,则将Eps减去一个固定值(例如0.05),如果最大密度小于,则将Eps加上一个固定值,然后再次计算各个样本的密度,直至最大密度控制在和之间时结束。此时得到的Eps值为最终的Eps值。以该Eps值为密度半径计算并记录矿井向量空间中各个矿井向量的密度。
4)根据中各个矿井向量与向量空间U中各个矿井向量之间的相似度,将向量空间U中与中样本相似度最高的样本加入到集合中去,同时将该样本从矿井向量空间U中删除,直到中的样本个数不少于某一给定阈值,该阈值一般用β×N/k表示.其中0<β<1。
5)重复执行3)、4),并且规定,在第二次确定密度最大的样本点时,必须与第一次所确定的样本点之间相似度大于Eps,同样,在确定第三个密度最大的样本点时,必须要与前两次所确定的最大密度样本点之间相似度均大于Eps,以此类推确定其余的a q 。每执行一次步骤3)和4),值加1,直至值大于k时结束,最终可得到这k个数据集合。
采用本发明的煤矿安全评价系统后,可以对煤炭企业所属矿井安全评价的打分结果进行分析,实现煤矿安全评价的全面管理,其评价结果可为煤矿企业的管理决策提供重要的技术依据。
附图说明
图1是基于改进的K-Means聚类的煤矿安全评价系统。
具体实施方式
如图1所示,在矿井安全数据输入模块中输入通风安全监控、运输和提升、瓦斯和粉尘防治、矿井防火、井下爆破安全、矿井防冒顶、矿井防透水7个影响因子, 基于改进的K-Means聚类的数据分析模块根据本发明提出的聚类方法对这些数据进行聚类分析,并在结果输出模块中输出最终分析结果。
基于改进的K-Means聚类的数据分析模块是该系统的核心部分,具体的数据处理过程如下:
(1)数据准备:将第个矿井表示为向量形式,其中分别表示矿井的通风安全监控数值、运输和提升数值、瓦斯和粉尘防治数值、矿井防火数值、井下爆破安全数值、矿井防冒顶数值、矿井防透水数值,得到N个矿井所对应的向量,将其记录为一个矿井向量空间,其中1≤i≤N,i为自然数,N为矿井个数。
(2)对数据使用改进的K-Means算法:针对N个矿井向量使用改进的K-Means聚类算法进行聚类,步骤如下:
相似度评价标准为:两条矿井向量之间夹角的余弦值越接近于1,则这两个矿井安全评价数值的相似度越高;如果两条矿井向量之间夹角的余弦值越接近于0,则这两个矿井安全评价数值之间的相似度越低。
赋给Eps一个初始值,然后计算矿井向量空间中各个样本的密度,如果最大密度大于,则将Eps减去一个固定值(例如0.05),如果最大密度小于,则将Eps加上一个固定值,然后再次计算各个样本的密度,直至最大密度控制在和之间时结束。此时得到的Eps值为最终的Eps值。以该Eps值为密度半径计算并记录矿井向量空间中各个矿井向量的密度。
4)根据中各个矿井向量与向量空间U中各个矿井向量之间的相似度,将向量空间U中与中样本相似度最高的样本加入到集合中去,同时将该样本从矿井向量空间U中删除,直到中的样本个数不少于某一给定阈值,该阈值一般用β×N/k表示.其中0<β<1。
5)重复执行3)、4),并且规定,在第二次确定密度最大的样本点时,必须与第一次所确定的样本点之间相似度大于Eps,同样,在确定第三个密度最大的样本点时,必须要与前两次所确定的最大密度样本点之间相似度均大于Eps,以此类推确定其余的a q 。每执行一次步骤3)和4),值加1,直至值大于k时结束,最终可得到这k个数据集合。
同时使用平方误差准则函数作为准则函数。
Claims (3)
1.一种基于改进的K-Means聚类的煤矿安全评价系统,包括矿井安全数据输入模块、基于改进的K-Means聚类的数据分析模块、结果输出模块;矿井安全数据输入模块接收用户提交的矿井安全状态数据,基于改进的K-Means聚类的数据分析模块根据矿井安全状态数据,采用改进的K-Means聚类方法进行数据分析,结果输出模块显示数据分析的结果;其特征在于:在基于改进的K-Means聚类的数据分析模块中,采用以下方法进行数据分析:
(1)数据准备:将第i个矿井K i 表示为向量形式 ,其中x i1, x i2, x i3, x i4, x i5, x i6, x i7分别表示矿井K i 的通风安全监控数值、运输和提升数值、瓦斯和粉尘防治数值、矿井防火数值、井下爆破安全数值、矿井防冒顶数值、矿井防透水数值,得到N个矿井所对应的向量,将其记录为一个矿井向量空间,其中1≤i≤N,i为自然数,N为矿井个数;
(2)对数据使用改进的K-Means算法:针对N个矿井向量使用改进的K-Means聚类算法进行聚类,步骤如下:
1)使用余弦定理计算矿井向量空间中两两之间的余弦相似度,即,确定任意两个矿井向量之间的相似度,其中1≤i≤N,1≤j≤N,i和j均为自然数;相似度评价时,两条矿井向量之间夹角的余弦值越接近于1,则这两个矿井安全评价数值的相似度越高;如果两条矿井向量之间夹角的余弦值越接近于0,则这两个矿井安全评价数值之间的相似度越低;
2)设置密度半径Eps,计算矿井向量空间中各个矿井向量的密度,其中密度半径Eps采用自适应方法产生,步骤如下:用N/k得到一个类中的近似平均样本数,乘以一个系数,使得最大密度控制在0.8×N/k和0.5×N/k之间,其中k为聚类的簇数目;
赋给Eps一个初始值,然后计算矿井向量空间中各个样本的密度,如果最大密度大于0.8×N/k,则将Eps减去一个固定值,如果最大密度小于0.5×N/k,则将Eps加上一个该固定值,然后再次计算各个样本的密度,直至最大密度控制在0.8×N/k和0.5×N/k之间时结束,此时得到的Eps值为最终的Eps值,以该Eps值为密度半径计算并记录矿井向量空间中各个矿井向量的密度;
4)根据中各个矿井向量与向量空间U中各个矿井向量之间的相似度,将向量空间U中与中样本相似度最高的样本加入到集合中去,同时将该样本从矿井向量空间U中删除,直到中的样本个数不少于某一给定阈值,该阈值一般用β×N/k表示,其中0<β<1;
5)重复执行3)、4),在第二次确定密度最大的样本点时,必须与第一次所确定的样本点之间相似度大于Eps,同样,在确定第三个密度最大的样本点时,必须要与前两次所确定的最大密度样本点之间相似度均大于Eps,以此类推确定其余的;每执行一次步骤3)和4),值加1,直至值大于k时结束,最终可得到这k个数据集合;
2.根据权利要求1所述的基于改进的K-Means聚类的煤矿安全评价系统,其特征在于:所述系数为0.8或0.5。
3.根据权利要求1所述的基于改进的K-Means聚类的煤矿安全评价系统,其特征在于:所述的固定值为0.05。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410041849.3A CN103729798B (zh) | 2014-01-29 | 2014-01-29 | 基于改进的K-Means聚类的煤矿安全评价系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410041849.3A CN103729798B (zh) | 2014-01-29 | 2014-01-29 | 基于改进的K-Means聚类的煤矿安全评价系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103729798A true CN103729798A (zh) | 2014-04-16 |
CN103729798B CN103729798B (zh) | 2017-01-11 |
Family
ID=50453859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410041849.3A Expired - Fee Related CN103729798B (zh) | 2014-01-29 | 2014-01-29 | 基于改进的K-Means聚类的煤矿安全评价系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103729798B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104850998A (zh) * | 2015-04-15 | 2015-08-19 | 浙江大学 | 一种基于聚类的移动应用下载量预测方法 |
CN109389178A (zh) * | 2018-10-26 | 2019-02-26 | 深圳市元征科技股份有限公司 | 一种维修厂评级方法、系统及电子设备和存储介质 |
CN109885685A (zh) * | 2019-02-01 | 2019-06-14 | 珠海世纪鼎利科技股份有限公司 | 情报数据处理的方法、装置、设备及存储介质 |
CN110399549A (zh) * | 2018-04-24 | 2019-11-01 | 河南理工大学 | 一种面向用户兴趣调和相似度的协同过滤方法 |
CN110717033A (zh) * | 2018-06-26 | 2020-01-21 | 百度在线网络技术(北京)有限公司 | 文本分类噪声监测方法、装置、设备及计算机可读介质 |
CN111163075A (zh) * | 2019-12-25 | 2020-05-15 | 北京科东电力控制系统有限责任公司 | 电力监控系统设备性能指标阈值动态调整方法 |
CN111580500A (zh) * | 2020-05-11 | 2020-08-25 | 吉林大学 | 一种针对自动驾驶汽车安全性的评价方法 |
CN114997742A (zh) * | 2022-07-19 | 2022-09-02 | 煤炭科学研究总院有限公司 | 基于注意力机制和聚类算法的微震事件危险性分析方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103368979A (zh) * | 2013-08-08 | 2013-10-23 | 电子科技大学 | 一种基于改进K-means算法的网络安全性验证装置 |
-
2014
- 2014-01-29 CN CN201410041849.3A patent/CN103729798B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103368979A (zh) * | 2013-08-08 | 2013-10-23 | 电子科技大学 | 一种基于改进K-means算法的网络安全性验证装置 |
Non-Patent Citations (2)
Title |
---|
侯寒冰等: "基于K-means聚类分析的地铁施工风险评价方法", 《中国房地产业》 * |
穆文瑜等: "基于K-Means聚类的瓦斯浓度预测", 《计算机应用》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104850998A (zh) * | 2015-04-15 | 2015-08-19 | 浙江大学 | 一种基于聚类的移动应用下载量预测方法 |
CN104850998B (zh) * | 2015-04-15 | 2018-11-02 | 浙江大学 | 一种基于聚类的移动应用下载量预测方法 |
CN110399549A (zh) * | 2018-04-24 | 2019-11-01 | 河南理工大学 | 一种面向用户兴趣调和相似度的协同过滤方法 |
CN110717033A (zh) * | 2018-06-26 | 2020-01-21 | 百度在线网络技术(北京)有限公司 | 文本分类噪声监测方法、装置、设备及计算机可读介质 |
CN109389178A (zh) * | 2018-10-26 | 2019-02-26 | 深圳市元征科技股份有限公司 | 一种维修厂评级方法、系统及电子设备和存储介质 |
CN109885685A (zh) * | 2019-02-01 | 2019-06-14 | 珠海世纪鼎利科技股份有限公司 | 情报数据处理的方法、装置、设备及存储介质 |
CN111163075A (zh) * | 2019-12-25 | 2020-05-15 | 北京科东电力控制系统有限责任公司 | 电力监控系统设备性能指标阈值动态调整方法 |
CN111580500A (zh) * | 2020-05-11 | 2020-08-25 | 吉林大学 | 一种针对自动驾驶汽车安全性的评价方法 |
CN111580500B (zh) * | 2020-05-11 | 2022-04-12 | 吉林大学 | 一种针对自动驾驶汽车安全性的评价方法 |
CN114997742A (zh) * | 2022-07-19 | 2022-09-02 | 煤炭科学研究总院有限公司 | 基于注意力机制和聚类算法的微震事件危险性分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103729798B (zh) | 2017-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103729798A (zh) | 基于改进的K-Means聚类的煤矿安全评价系统 | |
ATE550682T1 (de) | Methode zur veränderung der proportionen von gesteinsfazien bei der einstellung einer zeitreihe eines geologischen modells | |
US11644856B2 (en) | Energy consumption assessment | |
CN110472363B (zh) | 适用于高速铁路隧道的围岩变形等级预测方法及系统 | |
CN104820771B (zh) | 一种航天工程制造成熟度等级确定方法 | |
CN110874744B (zh) | 一种数据异常检测方法及装置 | |
EA201390369A1 (ru) | Система и способ для идентификации низкосернистой зоны в пластах-коллекторах сланцевого газа | |
WO2019091134A1 (zh) | 煤层顶板砂岩富水性等级预测方法 | |
CN111931848B (zh) | 数据的特征提取方法、装置、计算机设备及存储介质 | |
CN103198362A (zh) | 一种煤矿安全评估的方法 | |
Ji et al. | Study on key technology of identification of mine water inrush source by PSO-LightGBM | |
CN112668749B (zh) | 一种基于类标加权极限学习机的煤矿瓦斯预警方法 | |
CN109558976A (zh) | 一种基于多维信息的冲击地压危险性辨识方法 | |
CN112324505A (zh) | 一种承压水上采煤微震突水预警方法、装置及终端设备 | |
Cheng et al. | A reliability allocation model and application in designing a mine ventilation system | |
CN103136446A (zh) | 基于优化输入层的bp神经网络预报滑坡的方法 | |
Cheng et al. | Mathematical models for optimizing and evaluating mine ventilation system | |
Lan et al. | Probabilistic prediction of mine dynamic disaster risk based on multiple factor pattern recognition | |
CN103093390A (zh) | 一种基于联合聚类的煤矿安全评价系统 | |
Wang | Quality measurements for association rules hiding | |
CN112699559A (zh) | 一种基于沉降速率信息熵安全值的安全评价方法及系统 | |
CN104615874A (zh) | 一种矿车坠落故障模式分析方法 | |
Xin et al. | Standard deviation control chart based on weighted standard deviation method | |
Yue et al. | Prediction of gas concentration based on the opposite degree algorithm | |
Yu et al. | Prediction of top-coal caving and drawing characteristics using artificial neural networks in extremely thick coal seam |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170111 Termination date: 20210129 |
|
CF01 | Termination of patent right due to non-payment of annual fee |