CN112668873B - 矿山安全态势分析及预测预警方法 - Google Patents
矿山安全态势分析及预测预警方法 Download PDFInfo
- Publication number
- CN112668873B CN112668873B CN202011564221.3A CN202011564221A CN112668873B CN 112668873 B CN112668873 B CN 112668873B CN 202011564221 A CN202011564221 A CN 202011564221A CN 112668873 B CN112668873 B CN 112668873B
- Authority
- CN
- China
- Prior art keywords
- early warning
- coal mine
- safety situation
- index
- bayesian network
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000004458 analytical method Methods 0.000 title claims abstract description 12
- 239000003245 coal Substances 0.000 claims abstract description 48
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 5
- 238000010801 machine learning Methods 0.000 claims abstract description 5
- 239000011707 mineral Substances 0.000 claims abstract description 5
- 230000006855 networking Effects 0.000 claims abstract description 5
- 238000013528 artificial neural network Methods 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000002485 combustion reaction Methods 0.000 claims description 2
- 230000002269 spontaneous effect Effects 0.000 claims description 2
- 238000005065 mining Methods 0.000 claims 1
- 238000009423 ventilation Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract 2
- 230000008878 coupling Effects 0.000 abstract 1
- 238000010168 coupling process Methods 0.000 abstract 1
- 238000005859 coupling reaction Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 201000005569 Gout Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了矿山安全态势分析及预测预警方法，包括通过煤矿物联网设备采集监测指标数据，对其中的关键数据采用长短记忆神经网络方法进行预测，结合建立的指标体系通过机器学习所形成的耦合贝叶斯网络进行态势计算，根据计算结果按照确定的阈值区间确定预警等级进行预警，同时依据贝叶斯网络归因推理出的致因节点情况给出警情处置建议；本发明矿山安全态势分析及预测预警方法的应用，解决了复杂环境下矿山安全态势难以及时准确预测预警的问题，避免了单一指标预警不全面而导致无法实现事故综合治理的问题；同时模型的预测预警准确率达到90％以上，对于减少矿山安全事故的发生具有显著的理论和实践意义。
Description
技术领域
本发明涉及风险预警领域，具体涉及矿山安全态势分析及预测预警方法。
背景技术
随着智能新技术的发展，与煤矿安全评价有关的煤矿安全生产智能监测技术、安全风险评估方法、智能预测预警系统、煤矿事故研究工作也得而进入新的深层次研究；在智能监测技术方面，引入了新型传感器、无线传感网络、近红外光谱分析技术、RFID无线通讯技术和机器学习等智能监测技术来实现了全面实时监测煤矿生产情况，为安全生产预控工作提供了必要的基础数据支撑。
目前，国内外学者已经对煤矿安全生产预控工作开展了大量研究，也取得比较丰富的研究成果；但也存在着一些技术缺陷，安全生产风险评估范围局限于个别风险或单指标，缺乏对安全生产风险全面系统的评估，预测预警方法相对分散和独立，处理的风险与数据类型较少，无法保证预警的准确度，并且目前的预警都是在风险处于产生的临界点或已经产生时，通过实时的数据监控和报警功能及时发现并控制风险而不是煤矿进入风险状态之前，对影响煤矿风险的主要因素的变化趋势进行分析预测预警，全面系统的安全生产风险智能预警平台尚未建立。
发明内容
为解决上述技术问题，本发明提供的技术方案为：矿山安全态势分析及预测预警方法，包括以下步骤：
(1)建立煤矿事故安全态势指标体系，对于体系中的定性和定量指标进行量化和风险等级划分；
(2)利用历史事故案例数据，运用机器学习算法得到贝叶斯网络模型，当模型有新的指标数据输入后，推出当前煤矿的安全状态等级；
(3)通过煤矿物联网设备采集监测指标数据，对输入贝叶斯网络模型的指标数据进行预处理，通过长短记忆神经网络LSTM模型对指标体系中的时间序列指标进行预测，将预测的指标数据输入贝叶斯网络中得到未来一段时间内煤矿安全状态的变化趋势；
(4)根据变化趋势结果按照确定的风险等级阈值区间确定预警等级进行预警；
(5)根据贝叶斯网络归因推理出的致因节点情况给出警情处置建议。
进一步地，步骤(1)中建立煤矿事故安全态势指标体系具体包括：从煤矿事故历史案例数据以及井下煤矿物联网设备采集系统中进行态势特征要素的提取，并结合相关领域专家经验，建立煤矿事故安全态势指标体系。
进一步地，所述煤矿事故安全态势指标体系包括煤矿瓦斯事故安全态势指标体系、煤矿机电事故安全态势指标体系。
进一步地，步骤(3)中对输入贝叶斯网络模型的指标数据进行预处理具体包括：剔除错误值，补全缺失值。
进一步地，步骤(3)中将预测的指标数据输入贝叶斯网络包括：对于部分无法预测的定性指标，将其设为在一段时间范围内保持不变；对于可以预测的指标数据，将其输入贝叶斯网络中进行推理。
采用以上方案后，本发明具有如下优点：本发明矿山安全态势分析及预测预警方法的应用，解决了复杂环境下矿山安全态势难以及时准确预测预警的问题，避免了单一指标预警不全面而导致无法实现事故综合治理的问题；同时模型的预测预警准确率达到90％以上，对于减少矿山安全事故的发生具有显著的理论和实践意义。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解的是，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明矿山安全态势分析及预测预警方法的方法示意图。
图2是本发明矿山安全态势分析及预测预警方法中瓦斯事故的贝叶斯网络模型示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
矿山安全态势分析及预测预警方法，包括以下步骤：
(1)建立煤矿事故安全态势指标体系，对于体系中的定性和定量指标进行量化和风险等级划分；
(2)利用历史事故案例数据，运用机器学习算法得到贝叶斯网络模型，当模型有新的指标数据输入后，推出当前煤矿的安全状态等级；
(3)通过煤矿物联网设备采集监测指标数据，对输入贝叶斯网络模型的指标数据进行预处理，通过长短记忆神经网络LSTM模型对指标体系中的时间序列指标进行预测，将预测的指标数据输入贝叶斯网络中得到未来一段时间内煤矿安全状态的变化趋势；
(4)根据变化趋势结果按照确定的风险等级阈值区间确定预警等级进行预警；
(5)根据贝叶斯网络归因推理出的致因节点情况给出警情处置建议。
作为本实施例较佳实施方案的是，步骤(1)中建立煤矿事故安全态势指标体系具体包括：从煤矿事故历史案例数据以及井下煤矿物联网设备采集系统中进行态势特征要素的提取，并结合相关领域专家经验，建立煤矿事故安全态势指标体系。
以瓦斯事故为例，瓦斯事故的态势特征要素包括：1、瓦斯聚集：瓦斯监测失效、风量不足、痛风系统不合理、瓦斯涌出量增加、通风机故障、未按规定抽放瓦斯；2、火源因素：电器设备防爆率、煤炭自燃发火期、烟雾、温度值。
作为本实施例较佳实施方案的是，所述煤矿事故安全态势指标体系包括煤矿瓦斯事故安全态势指标体系、煤矿机电事故安全态势指标体系。
作为本实施例较佳实施方案的是，步骤(3)中对输入贝叶斯网络模型的指标数据进行预处理具体包括：剔除错误值，补全缺失值。
作为本实施例较佳实施方案的是，步骤(3)中将预测的指标数据输入贝叶斯网络包括：对于部分无法预测的定性指标，将其设为在一段时间范围内保持不变；对于可以预测的指标数据，将其输入贝叶斯网络中进行推理。
矿山安全受到复杂的生产环境、技术装备、人员、管理水平等诸多因素的综合影响，因此对矿山安全态势的评估、预测、预警需要综合考虑各种因素。随着物联网技术的发展及其在矿山企业的推广和应用，矿山安全生产监测手段和信息采集、传输方式发生了巨大的变化，在物联网技术的支撑下，可以及时采集到全面系统的数据，形成基于物联网的矿山安全大数据。
本发明依托基于物联网的矿山安全大数据，及时获取准确全面的信息；通过煤矿物联网监测监控系统获取人员、设备设施、环境、管理等方面数据，依据确定的指标体系，采用贝叶斯网络方法对煤矿安全态势进行评估；从指标体系中选择关键的指标采用LSTM(长短记忆网络)方法，对获取的时间序列数据进行预测，将预测指标值输入到贝叶斯网络中，得到煤矿安全态势的预测值，依据确定的阈值区间，进行预警，确定态势预警等级；同时依据指标在预警指标体系中的敏感性提出预警的建议，煤矿企业根据预警建议进行消警，从而实现煤矿安全风险的预控。
以上对本发明及其实施方式进行了描述，这种描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。
Claims (3)
1.矿山安全态势分析及预测预警方法，其特征在于，包括以下步骤：
（1）建立煤矿事故安全态势指标体系，对于体系中的定性和定量指标进行量化和风险等级划分；
建立煤矿事故安全态势指标体系具体包括：从煤矿事故历史案例数据以及井下煤矿物联网设备采集系统中进行态势特征要素的提取，并结合相关领域专家经验，建立煤矿事故安全态势指标体系；
煤矿事故安全态势指标体系包括煤矿瓦斯事故安全态势指标体系、煤矿机电事故安全态势指标体系；
瓦斯事故的态势特征要素包括：1、瓦斯聚集：瓦斯监测失效、风量不足、通风系统不合理、瓦斯涌出量增加、通风机故障和未按规定抽放瓦斯；2、火源因素：电器设备防爆率、煤炭自燃发火期、烟雾和温度值；
（2）利用历史事故案例数据，运用机器学习算法得到贝叶斯网络模型，当模型有新的指标数据输入后，推出当前煤矿的安全状态等级；
（3）通过煤矿物联网设备采集监测指标数据，对输入贝叶斯网络模型的指标数据进行预处理，通过长短记忆神经网络LSTM模型对指标体系中的时间序列指标进行预测，将预测的指标数据输入贝叶斯网络中得到未来一段时间内煤矿安全状态的变化趋势；
（4）根据变化趋势结果按照确定的风险等级阈值区间确定预警等级进行预警；
（5）根据贝叶斯网络归因推理出的致因节点情况给出警情处置建议。
2.根据权利要求1所述的矿山安全态势分析及预测预警方法，其特征在于，步骤（3）中对输入贝叶斯网络模型的指标数据进行预处理具体包括：剔除错误值，补全缺失值。
3.根据权利要求1所述的矿山安全态势分析及预测预警方法，其特征在于，步骤（3）中将预测的指标数据输入贝叶斯网络包括：对于部分无法预测的定性指标，将其设为在一段时间范围内保持不变；对于可以预测的指标数据，将其输入贝叶斯网络中进行推理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011564221.3A CN112668873B (zh) | 2020-12-25 | 2020-12-25 | 矿山安全态势分析及预测预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011564221.3A CN112668873B (zh) | 2020-12-25 | 2020-12-25 | 矿山安全态势分析及预测预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112668873A CN112668873A (zh) | 2021-04-16 |
| CN112668873B true CN112668873B (zh) | 2024-03-05 |
Family
ID=75409305
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011564221.3A Active CN112668873B (zh) | 2020-12-25 | 2020-12-25 | 矿山安全态势分析及预测预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112668873B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113657700A (zh) * | 2021-06-29 | 2021-11-16 | 云南昆钢电子信息科技有限公司 | 一种基于大数据的矿山安全生产实时监测方法和系统 |
| GB2617339B (en) * | 2022-04-04 | 2024-06-05 | Anglo American Technical & Sustainability Services Ltd | Method of and system for predicting strata-related risk in an underground environment |
| CN115601927B (zh) * | 2022-09-19 | 2023-08-01 | 苔花科迈(西安)信息技术有限公司 | 一种基于算法模型的煤矿报警事件决策方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103985057A (zh) * | 2014-05-27 | 2014-08-13 | 煤炭科学研究总院 | 煤矿安全风险评价或损失估计方法及装置 |
| RU2527096C1 (ru) * | 2013-04-05 | 2014-08-27 | Федеральное государственное бюджетное учреждение науки ИНСТИТУТ ПРОБЛЕМ КОМПЛЕКСНОГО ОСВОЕНИЯ НЕДР РОССИЙСКОЙ АКАДЕМИИ НАУК (ИПКОН РАН) | Способ прогноза метаноопасности шахт |
| WO2018121035A1 (zh) * | 2016-12-29 | 2018-07-05 | 山东科技大学 | 一种个性化确定采煤工作面底板突水危险等级的方法 |
| CN110080824A (zh) * | 2019-05-17 | 2019-08-02 | 合肥帧讯软件有限公司 | 一种煤矿风险数据分析预警系统 |
-
2020
- 2020-12-25 CN CN202011564221.3A patent/CN112668873B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2527096C1 (ru) * | 2013-04-05 | 2014-08-27 | Федеральное государственное бюджетное учреждение науки ИНСТИТУТ ПРОБЛЕМ КОМПЛЕКСНОГО ОСВОЕНИЯ НЕДР РОССИЙСКОЙ АКАДЕМИИ НАУК (ИПКОН РАН) | Способ прогноза метаноопасности шахт |
| CN103985057A (zh) * | 2014-05-27 | 2014-08-13 | 煤炭科学研究总院 | 煤矿安全风险评价或损失估计方法及装置 |
| WO2018121035A1 (zh) * | 2016-12-29 | 2018-07-05 | 山东科技大学 | 一种个性化确定采煤工作面底板突水危险等级的方法 |
| CN110080824A (zh) * | 2019-05-17 | 2019-08-02 | 合肥帧讯软件有限公司 | 一种煤矿风险数据分析预警系统 |
Non-Patent Citations (1)
| Title |
|---|
| 张宁等.基于贝叶斯网络的煤矿瓦斯爆炸事故致因分析.《工矿自动化》.2019,第45卷(第7期),第53-58页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112668873A (zh) | 2021-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112668873B (zh) | 矿山安全态势分析及预测预警方法 | |
| CN108915771B (zh) | 云控矿山综合管理系统 | |
| CN103969066B (zh) | 监控运行的过程的系统和方法 | |
| CN101251942B (zh) | 地下空间火灾智能检测预警预报方法及装置 | |
| CN114626615B (zh) | 一种生产过程监控管理方法及系统 | |
| CN115526422A (zh) | 一种煤矿瓦斯爆炸风险预测方法 | |
| KR20230104500A (ko) | 인공지능 기반 배출가스 정밀 예측 시스템 | |
| Tsarkova | Technical Diagnostics of Equipment Using Data Mining Technologies | |
| CN103530705A (zh) | 一种钢铁企业煤气预测方法、装置及系统 | |
| CN116777085B (zh) | 基于数据分析和机器学习技术的煤矿水害预测系统 | |
| CN116562513A (zh) | 一种烘干炉智能节能回收减排信息管控系统 | |
| CN110166972B (zh) | 一种带有区块链模块的智能传感系统 | |
| CN117151681A (zh) | 一种连续多级船闸运行设备性能预警与智能检修方法 | |
| CN105116851A (zh) | 隐患排查信息物理融合系统 | |
| CN113642487A (zh) | 一种应用于安全生产的基于人工智能的方法及系统 | |
| CN111675257B (zh) | 一种污水处理厂的远程集控方法与系统 | |
| CN116957531A (zh) | 基于状态感知的轨道交通智慧运维系统及方法 | |
| CN110891039B (zh) | 一种基于lm神经网络的煤矿监控系统安全预警方法 | |
| CN116823175B (zh) | 一种石油化工生产信息化系统智能运维方法及系统 | |
| CN111614773A (zh) | 长输管道综合管理系统及设备 | |
| CN112911004B (zh) | 一种保证物联网系统安全运转的方法、装置和计算设备 | |
| CN116911807B (zh) | 一种智慧燃气数据中心流程可视化管理方法和物联网系统 | |
| CN113110145A (zh) | 基于5g工业物联网的智慧矿山数据采集方法 | |
| CN106647563A (zh) | 一种采油现场安全监控装置 | |
| CN116823175A (zh) | 一种石油化工生产信息化系统智能运维方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |