CN110276412A - 一种瓦斯监控数据无序填补方法 - Google Patents

Abstract

本发明涉及一种瓦斯监控数据无序填补方法，属于煤矿安全技术领域，包括步骤：S1：获取煤矿井下工作面瓦斯监测传感器k个缺失数据分钟数；S2：获取缺失数据之前的n个连续分钟样本均值数据；S3：计算n个连续分钟均值数据中的最大值与最小值；根据最大值与最小值等距离散化n段连续的分钟均值数据；S4：计算各离散区间各数值的数据个数之和所占百分比；S5：取各离散区间平均值或者中位数为离散区间特征值；S6：按各离散区间数据个数之和所占百分比为离散区间特征值所占百分比；S7：离散区间特征值所占百分比乘以，则补充为缺失数据分钟数；根据上述数据，填补缺失监控数据。本发明对缺失监控数据有效弥补，为实现超前预警奠定基础。

Description

一种瓦斯监控数据无序填补方法

技术领域

本发明属于煤矿安全技术领域，涉及一种瓦斯监控数据无序填补方法。

背景技术

煤矿瓦斯监控数据是煤矿大数据分析、安全监管技术的基础，然而监控数据受到井下生产、通风、机电、人工等因素的严重干扰，导致大量数据不准确或者缺失，真实数据的缺失也自然导致了监管不力、安全风险剧增。因此研究监控数据的填补方法非常重要，然而由于井下瓦斯涌出数据存在一定的周期性与规律性，利用缺失数据前一段时间的监控数据自身的特点与规律，对监控数据进行有效的填补是非常有必要的。

发明内容

有鉴于此，本发明的目的在于以井下作业班次利用缺失数据前一段时间监控数据的统计特点与规律，总体按大小顺序对监控数据进行填补，从而可以有效的分析监控数据的超限趋势与概率，为安全监管、安全预警奠定基础，提供一种瓦斯监控数据缺失后的填补方法。

为达到上述目的，本发明提供如下技术方案：

一种瓦斯监控数据无序填补方法，包括以下步骤：

S1：获取煤矿井下工作面瓦斯监测传感器k个缺失数据分钟数；

S2：获取缺失数据之前的n个连续分钟样本均值数据；

S3：计算n个连续分钟均值数据中的最大值与最小值；根据最大值与最小值等距离散化n段连续的分钟均值数据d；

S4：计算各离散区间各数值的数据个数之和所占百分比；

S5：取各离散区间平均值或者中位数为离散区间特征值；

S6：按照各离散区间数据个数之和所占百分比记为离散区间特征值所占百分比；

S7：离散区间特征值所占百分比乘以k，则补充为缺失数据分钟数；根据上述数据，填补缺失监控数据。

进一步，步骤S1中，获取煤矿井下工作面瓦斯监测传感器k个缺失数据分钟数及其时间t₁，t₂，……，t_k，需填补k个缺失数据。

进一步，步骤S2中，n＝N·k，N∈{5,6,…,10}。

进一步，步骤S3中，n段连续的分钟均值数据d：

式中：s为等距离散区间修正系统，取值为1-5之间。

进一步，步骤S4中，各离散区间各数值的数据个数之和所占百分比：

式中v_i表示n个连续分钟样本均值数据落入区间[X_i,X_i+d)内的个数；

f_i表示n个连续分钟样本均值数据落入区间[X_i,X_i+d)内频率。

进一步，步骤S5中各离散区间平均值或者中位数为离散区间特征值：

式中X_i'表示离散区间[Xi,Xi+d)的区间特征值。

本发明的有益效果在于：当前在监控数据填补方面没有相应的技术参照，大都以奇点数据滤噪、数据识别等方式来进行短时间的数据修补，对数据大面积的填补方法，还有相关技术及文献资料。本发明实现了缺失监控数据的有效弥补，为预测、预报监控数据的发展，实现超前预警奠定了基础。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明所述瓦斯监控数据无序填补方法流程图；

图2为n个连续数据时间-瓦斯浓度图；

图3为N个连续数据密度曲线图；

图4为以本发明所述方法填补的数据与真实值按大小顺序排列数据对比图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

如图1所示，本发明提供一种瓦斯监控数据无序填补方法，包括以下步骤：

S1：获取煤矿井下工作面瓦斯监测传感器k个缺失数据分钟数；

S2：获取缺失数据之前的n个连续分钟样本均值数据；

S3：计算n个连续分钟均值数据中的最大值与最小值；根据最大值与最小值等距离散化n段连续的分钟均值数据d；

S4：计算各离散区间各数值的数据个数之和所占百分比；

S5：取各离散区间平均值或者中位数为离散区间特征值；

S6：按照各离散区间数据个数之和所占百分比记为离散区间特征值所占百分比；

S7：离散区间特征值所占百分比乘以k，则补充为缺失数据分钟数；根据上述数据，填补缺失监控数据。

可选地，步骤S1中，获取煤矿井下工作面瓦斯监测传感器k个缺失数据分钟数及其时间t₁，t₂，……，t_k，需填补k个缺失数据。

可选地，步骤S2中，n＝N·k，N∈{5,6,…,10}。

可选地，步骤S3中，n段连续的分钟均值数据d：

式中：s为等距离散区间修正系统，取值为1-5之间。

可选地，步骤S4中，各离散区间各数值的数据个数之和所占百分比：

式中v_i表示n个连续分钟样本均值数据落入区间[X_i,X_i+d)内的个数；

f_i表示n个连续分钟样本均值数据落入区间[X_i,X_i+d)内频率。

进一步，步骤S5中各离散区间平均值或者中位数为离散区间特征值：

式中X_i'表示离散区间[Xi,Xi+d)的区间特征值。

根据上述实施例进行实验，人工删除时间为2019年4月9日0:00-4月9日7:59的瓦斯监控数据，则缺失数据分钟数k＝480，取N＝10，选择n＝4800个连续分钟样本均值数据，选择s＝1，d≈0.01％；X_i'≈X_i，则n个连续数据如图2所示，N个连续数据密度曲线如图3所示，最终填补结果与真实值比较如图4所示。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种瓦斯监控数据无序填补方法，其特征在于：包括以下步骤：

S1：获取煤矿井下工作面瓦斯监测传感器k个缺失数据分钟数；

S2：获取缺失数据之前的n个连续分钟样本均值数据；

S3：计算n个连续分钟均值数据中的最大值与最小值；根据最大值与最小值等距离散化n段连续的分钟均值数据d；

S4：计算各离散区间各数值的数据个数之和所占百分比；

S5：取各离散区间平均值或者中位数为离散区间特征值；

S6：按照各离散区间数据个数之和所占百分比记为离散区间特征值所占百分比；

S7：离散区间特征值所占百分比乘以k，则补充为缺失数据分钟数；根据上述数据，填补缺失监控数据。

2.根据权利要求1所述的瓦斯监控数据无序填补方法，其特征在于：步骤S1中，获取煤矿井下工作面瓦斯监测传感器k个缺失数据分钟数及其时间t₁，t₂，……，t_k，需填补k个缺失数据。

3.根据权利要求1所述的瓦斯监控数据无序填补方法，其特征在于：步骤S2中，n＝N·k，N∈{5,6,…,10}。

4.根据权利要求1所述的瓦斯监控数据无序填补方法，其特征在于：步骤S3中，n段连续的分钟均值数据d：

式中：s为等距离散区间修正系统，取值为1-5之间。

5.根据权利要求1所述的瓦斯监控数据无序填补方法，其特征在于：步骤S4中，各离散区间各数值的数据个数之和所占百分比：

式中v_i表示n个连续分钟样本均值数据落入区间[X_i,X_i+d)内的个数；

f_i表示n个连续分钟样本均值数据落入区间[X_i,X_i+d)内频率。

6.根据权利要求1所述的瓦斯监控数据无序填补方法，其特征在于：步骤S5中各离散区间平均值或者中位数为离散区间特征值：

式中X’_i表示离散区间[Xi,Xi+d)的区间特征值。