CN114331022A - 井下作业安全信息的监测方法、设备及存储介质 - Google Patents

Abstract

本公开涉及矿井事故信息处理技术领域，提供了井下作业安全信息的监测方法、设备及存储介质。该方法包括：获取井下外部环境数据、井下内部环境数据和井下安全生产因素数据；对井下外部环境数据、井下内部环境数据和井下安全生产因素数据进行标准处理，生成标准数据点；将标准数据点导入风险预测计算模型，生成实时安全预测值；当实时安全预测值大于预设的安全阈值时，执行预警操作。本公开实施例通过对井下外部环境数据、井下内部环境数据和井下安全生产因素数据进行采集和处理，导入风险预测计算模型生成预测值，并在满足预警条件时执行预警操作，可以有效地进行事前预警，大大提高了井下工作的事故监测效果。

Description

井下作业安全信息的监测方法、设备及存储介质

技术领域

本公开涉及矿井事故信息处理技术领域，尤其涉及井下作业安全信息的监测方法、设备及存储介质。

背景技术

综采工作面作为煤炭的第一生产现场，具有作业空间狭小、机械设备多、温度高的特点，是矿井事故的多发地点，其中，采煤工作面顶板事故据资料显示占全部死亡人数的40％以上。在顶板事故中，80％的原因由于管理不当、预警不及时引起。

现有技术中，针对顶板安全的监控方式通常依靠支护设备、井下震动监测、围岩离层监测及应力监测等被动监控手段，通过事故发生的前期物理状态变化，进行事故告警。由于此类方法为事中告警，无法进行有效的事前预警，对可能发生的事故监测效果较差。

发明内容

有鉴于此，本公开实施例提供了井下作业安全信息的监测方法、设备及存储介质，以解决现有技术中无法进行有效的事前预警，对可能发生的事故监测效果较差的问题。

本公开实施例的第一方面，提供了一种井下作业安全信息的监测方法，包括：获取井下外部环境数据、井下内部环境数据和井下安全生产因素数据；基于所述井下外部环境数据、所述井下内部环境数据和所述井下安全生产因素数据，生成标准数据点；将所述标准数据点导入风险预测计算模型，生成实时安全预测值；当所述实时安全预测值大于预设的安全阈值时，执行预警操作。

本公开实施例的第二方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

本公开实施例的第三方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本公开实施例与现有技术相比存在的有益效果至少包括：本公开实施例与现有技术相比存在的有益效果至少包括：通过对井下外部环境数据、井下内部环境数据和井下安全生产因素数据进行采集和处理，导入风险预测计算模型生成预测值，并在满足预警条件时执行预警操作，可以有效地进行事前预警，大大提高了井下工作的事故监测效果。

附图说明

为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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它的附图。

图1是根据本公开实施例提供的井下作业安全信息的监测方法的一个应场景的示意图；

图2是根据本公开实施例提供的一种井下作业安全信息的监测方法的一些实施例的流程图；

图3是根据本公开实施例提供的另一种井下作业安全信息的监测方法的另一些实施例的流程图；

图4是根据本公开实施例提供的一种井下作业安全信息的监测装置的结构示意图；

图5是根据本公开实施例提供的计算机设备的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关本公开相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是根据本公开的一些实施例的井下作业安全信息的监测方法的一个应用场景的示意图。

在图1的应用场景中，首先，计算设备101可以获取井下外部环境数据102、井下内部环境数据103和井下安全生产因素数据104。然后，计算设备101可以基于井下外部环境数据102、井下内部环境数据103和井下安全生产因素数据104，生成标准数据点105。接着，计算设备101可以将标准数据点105导入风险预测计算模型106，生成实时安全预测值107。最后，当实时安全预测值107大于预设的安全阈值时，计算设备101可以执行预警操作108。

需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。

继续参考图2，示出了根据本公开的井下作业安全信息的监测方法的一些实施例的流程200。该方法可以由图1中的计算设备101来执行。该井下作业安全信息的监测的方法，包括以下步骤：

步骤201，获取井下外部环境数据、井下内部环境数据和井下安全生产因素数据。

在一些实施例中，井下作业安全信息的监测方法的执行主体(如图1所示的计算设备101)可以通过无线连接方式连接目标设备，然后，获取井下外部环境数据、井下内部环境数据和井下安全生产因素数据。获取上述信息的方式可以为通过网络爬虫抓取、人工搜索等方式，根据需要进行设置，在此不做具体限制。

需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

在一些实施例的一些可选的实现方式中，井下外部环境数据可以指获取到的矿井外部的相关数据。作为示例，该井下外部环境数据可以包括但不限于以下其中一项：地理位置相关信息、地震相关信息、暴雨预警相关信息和事故相关信息等。

地理位置相关信息可以指获取到的矿井附近的地理位置的相关信息，其中，该地理位置相关信息可以包括经纬度信息、属地信息等。作为示例，该地理位置信息可以为“经度：37.94231424835259，维度：109.34861808242798，省份：山西省，城市：榆林市，区县：榆阳区，乡镇：张雷沟村”。该地理位置相关信息还可以包括其他与地理位置有关的信息，在此不做具体限制。

地震相关信息可以指获取到的矿井附近发生过的地震的相关信息，其中，该地震相关信息可以包括震级、发震时刻、经度、维度、深度等信息。作为示例，该地震相关信息可以为“发震时刻：2020.08.01，震级：5.1，经度：87.04，维度：42.30，深度：21”。该地震相关信息还可以包括时间、地点或其他与地震相关的信息，在此不做具体限制。

暴雨预警相关信息可以指获取到的矿井附近发生过的暴雨预警的相关信息，其中，该暴雨预警相关信息可以包括暴雨预警时间、暴雨预警等级等信息。作为示例，该暴雨预警相关信息可以为“暴雨预警时间：2021.08.10，暴雨预警等级：蓝色”。该暴雨预警相关信息还可以包括时间、地点或其他与暴雨预警相关的信息，在此不做具体限制。

事故相关信息可以指获取到的矿井的井下事故的相关信息，其中，该事故相关信息可以包括井下事故时间、伤亡数量、事故原因类型等信息。作为示例，该事故相关信息可以为“井下事故时间：2021.05.19，伤亡数量：8，事故原因类型：瓦斯突出”。该事故相关信息还可以包括时间、地点或其他与事故相关的信息，在此不做具体限制。

在一些实施例的一些可选的实现方式中，井下内部环境数据可以指矿井内部的相关数据。作为示例，该井下内部环境数据可以包括但不限于以下其中一项：井下空间三维数据、井下空间顶点坐标数据、开采速度数据、开采面积数据等。

井下空间三维数据可以指矿井内部的空间结构的相关信息，其中，该井下空间三维数据可以包括宽度数据、长度数据、高度数据。该井下空间三维数据每隔一段固定时间更新一次，并存储至数据存储器；其更新的频率可以根据需求进行设置，在此不做限制。获取该井下空间三维数据时，可以通过多个井下设备的横向红外感应模块，获取井下红外扫描平面地图；通过多个井下设备的纵向红外感应模块，获取井下红外扫描切面地图；将井下红外扫描平面地图和井下红外扫描切面地图传输至上述执行主体，执行主体可以基于图形分析计算模块，形成井下立体空间图，来计算出井下的空间信息，包括上述宽度数据、长度数据和高度数据。

井下空间顶点坐标数据可以指基于上述井下立体空间图的各个顶点，基于空间原点形成的坐标数据。其中，空间原点可以指一个井下的固定位置的设备在井下立体空间图中的位置。作为示例，其中一个井下空间顶点坐标数据可以为“顶点1，11.25(X坐标)，25.39(Y坐标)，8.0(Z坐标)”。X坐标轴可以指井下空间截面上穿过空间原点，且与水平面方向平行的直线(由于矿井一般都是平行于地面挖掘或者斜上斜下，因此空间截面肯定与水平面有相交线)。Y坐标轴可以指井下空间截面上穿过空间原点，且与X坐标轴垂直的直线。Z坐标轴可以指垂直于井下空间截面且穿过空间原点的直线。X坐标可以指井下立体空间中X坐标轴方向上的数据，Y坐标可以指井下立体空间中Y坐标轴方向上的数据，Z坐标可以指井下立体空间中Z坐标轴方向上的数据。X坐标、Y坐标或Z坐标的数据的计量单位可以为米、厘米等常用数据单位,根据需要设置。另外，井下空间顶点坐标数据每隔一段固定时间更新一次，并存储至数据存储器；其更新的频率可以根据需求进行设置，在此不做限制。需要指出的是，该井下空间顶点坐标数据还可以包括时间、地点或其他与矿井内部的空间结构有关的信息，根据需要进行设置。

开采速度数据可以指获取到的开采设备移动速度的相关信息。作为示例，该开采速度数据可以为“20210501142130(时间)，JX00002(传感器编码)，12(开采速度)”。

开采面积数据可以指矿井内空间的截面积数据。生成该开采面积数据时，可以基于矿井内设备内置的图像采集模块来采集图像数据，并将该图像数据传输至计算设备101，随后计算设备101可以基于采集的图像数据生成截面积数据。作为示例，该开采面积数据可以为“20210611084528(时间)，JX00003(传感器编码)，2.6(开采面积)”。

在一些实施例的一些可选的实现方式中，井下安全生产因素数据可以指矿井内部与安全防护生产相关的数据。作为示例，该井下内部环境数据可以包括但不限于以下其中一项：支护设备坐标数据和支护设备变动数据等。

支护设备坐标数据可以指支护设备基于上述空间原点的二维坐标数据构成的数据集合。作为示例，其中一个支护设备坐标数据可以为“20210515113600(时间)，ZH00013(支护设备编码)，8.11(XX坐标)，5.56(YY坐标)”。其中，XX坐标可以指沿上述井下立体空间X轴方向的数据，YY坐标可以指指沿上述井下立体空间Y轴方向的数据。支护设备坐标数据每隔一段时间更新一次，并存储至数据存储器；其更新的频率可以根据需求进行设置，在此不做限制。

支护设备变动数据可以指基于最近一次获取的支护设备的总量数据及位置变化等数据构成的数据集合。由于每个支护设备的二维(或三维)坐标数据会按照一定频率进行更新，因此每更新一次，就需要计算一次全部支护设备变动数据。作为示例，一个支护设备变动数据可以为“20210515113600(扫描时间)，1(新增/减少支护设备数量)，0(被移动支护设备的偏移量)”。

支护阻力数据可以指支护设备在阻力方面的相关数据构成的数据集合。其中，该支护阻力数据可以包括设备编码、额定阻力支护阻力数据和实时支护阻力数据等。作为示例，一个支护阻力数据可以为“20210515113600(扫描时间)，ZH00012(支护设备编码)，5.91(X坐标)，4.75(Y坐标)，18000(额定支护阻力)，15121(实时支护阻力)”。

步骤202，对井下外部环境数据、井下内部环境数据和井下安全生产因素数据进行标准处理，生成标准数据点。

在一些实施例中，上述执行主体可以对井下外部环境数据、井下内部环境数据和井下安全生产因素数据进行标准处理，生成标准数据点。标准处理可以指对井下外部环境数据、井下内部环境数据和井下安全生产因素数据进行处理的步骤或方法。进行标准处理后，可以生成用于后续处理的标准数据点。标准数据点可以指用于机器计算模型的数据结构。

步骤203，将标准数据点导入风险预测计算模型，生成实时安全预测值。

在一些实施例中，上述执行主体可以将标准数据点导入风险预测计算模型，生成实时安全预测值。风险预测计算模型可以指用于预测事故风险的计算模型。该计算模型可以为机器学习模型如反向传播神经网络，卷积神经网络等，根据需要进行选择。实时安全预测值可以指将当前的标准数据点导入风险预测计算模型后生成的数据。该安全预测值可以为目标区间的数据，如0至1之间，0至100之间或-1至1之间的数据，根据需要进行设置，在此不做限制。作为示例，当安全预测值处于0至1之间时，该安全预测值可以为0、0.15、0.9等。

在一些实施例的一些可选的实现方式中，该风险预测计算模型为单隐藏层的前馈神经网络模型。为平衡训练效率及本模型系统的稳定性，学习速率选择0.05-0.5之间的数值。更优地，该学习速率可以选择0.2。

在一些实施例的一些可选的实现方式中，风险预测计算模型为单层前馈神经网络模型，其隐藏层中神经元的个数可以通过灰色关联度分析方式确定，包括：

第一步，将上述前馈神经网络模型的隐藏层中神经元的个数设置为20个。一般设置隐藏层的神经元数量时，超过20个即开始较大程度影响训练效率，因此初始将隐藏层的神经元设置为20个。

第二步，基于预先设置的训练集和对比机，对所述风险预测计算模型进行训练，直至满足训练目标。

第三步，将训练集导入训练好的风险预测计算模型，获取每个隐藏层节点(即神经元)的输出数据，基于灰色关联度分析方法将20个输出数据进行计算，生成灰色关联阈值。

第四步，将节点输出小于灰色关联阈值的节点删除，形成新的风险预测计算模型。

重复执行步骤二至步骤四，直至所有隐藏层节点的输出不小于生成的灰色关联阈值，确定隐藏层的节点数量，生成训练好的风险预测计算模型。

步骤204，当实时安全预测值大于预设的安全阈值时，执行预警操作。

在一些实施例中，当实时安全预测值大于预设的安全阈值时，上述执行主体可以执行预警操作。安全阈值可以指预先设置的用于判断实时安全预测值是否需要预警的限制值。作为示例，当实时安全预测值为0至1之间的数据时，0可以代表无风险，1可以代表发生事故的最大概率，预设的安全阈值可以为0.8；即当实时安全预测值大于0.8时，执行预警操作。预警操作可以指发出警报信息的操作。作为一个示例，当实时安全预测值大于预设的安全阈值时，计算设备101可以执行声音警告、图像警告等操作。作为另一个示例，当实时安全预测值大于预设的安全阈值时，计算设备101可以发送报警指令至目标设备，目标设备可以执行声音警告、图像警告等操作。根据需要进行设置，在此不做限制。

本公开的上述各个实施例中的其中一个实施例的有益效果至少包括：通过对井下外部环境数据、井下内部环境数据和井下安全生产因素数据进行采集和处理，导入风险预测计算模型生成预测值，并在满足预警条件时执行预警操作，可以有效地进行事前预警，大大提高了井下工作的事故监测效果。

继续参考图3，示出了根据本公开的井下作业安全信息的监测方法的另一些实施例的流程300。该方法可以由图1中的计算设备101来执行。该井下作业安全信息的监测方法，包括以下步骤：

步骤301，获取井下外部环境数据、井下内部环境数据和井下安全生产因素数据。

在一些实施例中，步骤301的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201，在此不再赘述。

步骤302，获取井下外部环境数据当前时间的暴雨预警相关数据，以及目标时间段内的井下事故数据、顶板事故数据和地震相关数据。

在一些实施例中，上述执行主体可以获取井下外部环境数据当前时间的暴雨预警相关数据，以及目标时间段内的井下事故数据、顶板事故数据和地震相关数据。当前时间的暴雨预警相关数据可以指当前时间的暴雨预警的相关信息。井下事故数据可以指目标时间段内发生的井下的事故的数量。顶板事故数据可以指目标时间段内发生的顶板事故的数量。地震相关数据可以指目标时间段内与地震有关的信息，如地震次数，每次地震的震级数据、深度数据等。

在一些实施例中的一些可选的实现方式中，目标时间段可以指当前时间起往前一段时间内的事件单。作为示例，该目标时间段可以为1个月、6个月或一年内等，根据需要进行设置。

步骤303，基于井下事故数据和顶板事故数据，生成顶板事故标准值。

在一些实施例中，上述执行主体可以基于井下事故数据和顶板事故数据，生成顶板事故标准值。顶板事故标准值可以指代表顶板事故比例的数据。计算设备101可以基于以下方式生成顶板事故标准值：顶板事故标准值＝顶板事故数据/井下事故数据。

步骤304，基于地震相关数据，生成地震标准值。

在一些实施例中，上述执行主体可以基于地震相关数据，生成地震标准值。地震标准值可以指代表目标时间段内地震的平均数据与最大地震的比值。计算设备101可以基于以下步骤生成地震标准值：第一步，获取目标时间段内的至少一条地震相关数据。第二步，根据该至少一条地震相关数据中的每个地震相关数据的震级和地震深度的乘积进行平均数计算，生成平均地震指数。第三步，将该平均地震指数除以最大震级的地震指数，生成该地震标准值。其中，最大震级的震级可以为12级，起地震最大深度可以为60千米，最大震级的地震指数可以为12*60＝720。

步骤305，基于暴雨预警相关数据和预设的暴雨预警指标，生成暴雨预警标准值。

在一些实施例中，上述执行主体可以基于暴雨预警相关数据和预设的暴雨预警指标，生成暴雨预警标准值。暴雨预警标准值可以指当前时间的暴雨预警等级数据与预设的暴雨预警指标对应的数据。作为示例，该暴雨预警指标可以为“1(红色预警)，0.7(橙色预警)，0.4(黄色预警)，0.1(蓝色预警)，0(无预警)”，即当暴雨预警为无预警时，暴雨预警标准值为0。当暴雨预警为蓝色预警时，暴雨预警标准值为0.1。当暴雨预警为黄色预警时，暴雨预警标准值为0.4。当暴雨预警为红色预警时，暴雨预警标准值为1。

步骤306，基于井下内部环境数据的实时开采速度数据和实施开采面积数据，生成实时开采进度数据。

在一些实施例中，上述执行主体可以基于井下内部环境数据的实时开采速度数据和实施开采面积数据，生成实时开采进度数据。实时开采速度数据可以指实时开采速度数据与实时开采面积数据的乘积。

步骤307，基于井下内部环境数据的井下空间三维数据和实施开采进度数据，生成开采强度标准值。

在一些实施例中，上述执行主体可以基于井下内部环境数据的井下空间三维数据和实施开采进度数据，生成开采强度标准值。开采强度标准值可以指井下作业进度的相关数据。计算开采强度标准值的方式可以为：开采强度标准值＝开采进度数据/(井下空间三维数据的长度*井下空间三维数据的宽度*井下空间三维数据的高度)。

步骤308，基于井下内部环境数据的井下空间三维数据和井下空间顶点坐标数据，以及井下安全生产因素数据中的支护设备坐标数据和支护阻力数据，生成支护阻力稳定性标准值。

在一些实施例中，上述执行主体可以基于井下内部环境数据的井下空间三维数据和井下空间顶点坐标数据，以及井下安全生产因素数据中的支护设备坐标数据和支护阻力数据，通过以下步骤生成支护阻力稳定性标准值：

第一步：上述执行主体可以基于井下空间顶点坐标数据，生成井下空间重心数据。

设井下空间顶点坐标数据共有N个，第n个井下空间顶点坐标数据可以为“Xn,Yn,Zn”，Xn可以指第n个井下空间顶点坐标数据基于井下立体空间X轴方向的数据，Yn可以指第n个井下空间顶点坐标数据基于井下立体空间Y轴方向的数据，Zn可以指第n个井下立体空间Z轴方向的数据,其中n为正整数。则生成井下空间重心数据的计算式可以为：

井下空间重心数据＝[(∑Xn)/N,(∑Yn)/N,(∑Zn)/N]

其中，(∑Xn)/N为井下空间重心数据在X轴方向的数据,(∑Yn)/N为井下空间重心数据在Y轴方向的数据,(∑Zn)/N为井下空间重心数据在Z轴方向的数据。

第二步：上述执行主体可以基于支护设备坐标数据，生成支护平面中心数据。

设井下支护设备坐标数据共有M个，第m个井下支护设备坐标数据可以为“XXm,YYm”，XXm可以指第m个井下支护设备坐标数据基于井下立体空间X轴方向的数据，YYm可以指第m个井下支护设备坐标数据基于井下立体空间Y轴方向的数据,其中m为正整数。生成支护平面中心数据的计算式可以为：

支护平面中心数据＝[(∑XXm)/M,(∑YYm)/M]

其中，(∑XXm)/M为支护平面中心数据在X轴方向的数据，(∑YYm)/M为支护平面中心数据在Y轴方向的数据。

第三步：上述执行主体可以基于特定井下空间顶点坐标数据的纵向坐标数据、支护阻力数据的额定支护阻力数据和实时支护阻力数据，生成目标纵向坐标数据。

其中，特定纵向坐标数据可以指与待处理支护设备最近的顶点的纵向坐标数据。纵向坐标数据可以指井下立体空间Z轴方向的数据。设其中一个支护设备对应的特定井下空间顶点坐标数据的纵向坐标数据为Zm，额定支护阻力为R，实时支护阻力数据为A，则井下空间顶点坐标数据对应的目标纵向坐标数据的计算式可以为：

目标纵向坐标数据ZZm＝Zm*R/A。

第四步：上述执行主体可以基于目标纵向坐标数据和支护平面中心数据，生成相对重心数据。相对重心数据的X轴坐标数据和Y轴坐标数据与支护平面中心数据的对应的数据相同，相对重心数据的Z轴坐标数据与上述目标纵向坐标数据相同，因此相对中心数据＝[(∑XXm)/M,(∑YYm)/M,∑ZZm/N]

其中，(∑XXm)/M为相对中心数据在X轴方向的数据，(∑YYm)/M为相对中心数据在Y轴方向的数据,∑ZZm/N为相对中心数据在Z轴方向的数据。

第五步：上述执行主体可以基于井下空间重心数据和相对重心数据，生成偏移重心数据。

偏移重心数据＝[(∑XXm)/M-(∑Xn)/N,(∑YYm)/M-(∑Yn)/N,∑ZZm/N-(∑Zn)/N]

其中，[(∑XXm)/M-(∑Xn)/N为偏移重心数据在X轴方向上的数据，(∑YYm)/M-(∑Yn)/N为偏移重心数据在Y轴方向上的数据，∑ZZm/N-(∑Zn)/N为偏移重心数据在Z轴方向上的数据。

第六步：上述执行主体可以基于井下空间三维数据、额定支护阻力数据、实时支护阻力数据和偏移重心数据，生成支护阻力稳定性标准值。

设偏移重心数据的X轴数据为X1，Y轴方向的数据为Y1，Z轴方向的数据为Z1，井下空间体积V＝井下空间三维数据的长度*井下空间三维数据的宽度*井下空间三维数据的高度，第m个支护设备的额定支护阻力数据为Rm，第m个支护设备的实时支护阻力数据为Am。

则支护阻力稳定性标准值＝[(X1*X2*X3)/V]*[∑|Am-Rm|/∑|Rm]。

步骤309，基于井下安全生产因素数据在特定时间段内的支护设备变动数据，生成支护部署稳定性标准值。

在一些实施例中，上述执行主体可以基于井下安全生产因素数据在特定时间段内的支护设备变动数据，通过以下步骤生成支护部署稳定性标准值：第一步，获取当前时间往前24小时内支护设备变动数据的支护设备总量数据，以及每个支护设备的移动次数数据。需要指出的是，特定时间段还可以为其他时间段如当前时间往前26小时内，根据需要进行设置，在此不做具体限制。第二步，基于每个支护设备的移动次数数据，进行求和计算，生成移动次数总量数据。第三步，基于上述支护设备总量数据和移动次数总量数据，生成支护部署稳定性标准值。其中，支护部署稳定性标准值＝移动次数总量数据/支护设备总量数据。

步骤310，基于顶板事故标准值、地震标准值、暴雨预警标准值、开采强度标准值、支护阻力稳定性标准值和支护部署稳定性标准值，得到标准数据点。

在一些实施例中，上述执行主体可以将顶板事故标准值、地震标准值、暴雨预警标准值、开采强度标准值、支护阻力稳定性标准值和支护部署稳定性标准值，与风险预测计算模型输入参数相匹配进行排序，得到标准数据点，并将该标准数据点作为风险预测计算模型的输入值。

步骤311，将标准数据点导入风险预测计算模型，生成实时安全预测值。

步骤312，当实时安全预测值大于预设的安全阈值时，执行预警操作。

在一些实施例中，步骤311至312的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤203至204，在此不再赘述。

本公开的上述各个实施例中的其中一个实施例的有益效果至少包括：基于井下内部环境数据的井下空间三维数据，以及井下安全生产因素数据中的支护设备坐标数据、井下空间顶点坐标数据和支护阻力数据，生成支护阻力稳定性标准值，可以形成较为精确的支护阻力稳定性标准值，可以大大提高对矿井的预测精准度。

上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

进一步参考图4，作为对上述各图上述方法的实现，本公开提供了一种井下作业安全信息装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，一些实施例的井下作业安全信息的监测装置400包括：

井下作业安全信息的监测装置的获取模块401，被配置为获取井下外部环境数据、井下内部环境数据和井下安全生产因素数据。

井下作业安全信息的监测装置的第一生成模块402，对井下外部环境数据、井下内部环境数据和井下安全生产因素数据进行标准处理，生成标准数据点。

井下作业安全信息的监测装置的第二生成模块403，将标准数据点导入风险预测计算模型，生成实时安全预测值。

井下作业安全信息的监测装置的预警模块404，当实时安全预测值大于预设的安全阈值时，执行预警操作。

在一些实施例的一些可选的实现方式中，井下作业安全信息的监测装置的第一生成模块402被进一步配置为：对井下外部环境数据进行外部标准处理，生成顶板事故标准值、地震标准值和暴雨预警标准值；对井下内部环境数据进行内部标准处理，生成开采强度标准值；对井下安全生产因素数据进行安全生产标准处理，生成支护阻力稳定性标准值和支护部署稳定性标准值；基于顶板事故标准值、地震标准值、暴雨预警标准值、开采强度标准值、支护阻力稳定性标准值和支护部署稳定性标准值，得到标准数据点。

在一些实施例的一些可选的实现方式中，对井下外部环境数据进行外部标准处理，生成顶板事故标准值、地震标准值和暴雨预警标准值，包括：获取井下外部环境数据当前时间的暴雨预警相关数据，以及目标时间段内的井下事故数据、顶板事故数据和地震相关数据；基于井下事故数据和顶板事故数据，生成顶板事故标准值；基于地震相关数据，生成地震标准值；基于暴雨预警相关数据和预设的暴雨预警指标，生成暴雨预警标准值。

在一些实施例的一些可选的实现方式中，对井下内部环境数据进行内部标准处理，生成开采强度标准值，包括：基于井下内部环境数据的实时开采速度数据和实施开采面积数据，生成实时开采进度数据；基于井下内部环境数据的井下空间三维数据和实施开采进度数据，生成开采强度标准值。

在一些实施例的一些可选的实现方式中，对井下安全生产因素数据进行安全生产标准处理，生成支护阻力稳定性标准值和支护部署稳定性标准值，包括：基于井下内部环境数据的井下空间三维数据，以及井下安全生产因素数据中的支护设备坐标数据、井下空间顶点坐标数据和支护阻力数据，生成支护阻力稳定性标准值；基于井下安全生产因素数据在特定时间段内的支护设备变动数据，生成支护部署稳定性标准值。

在一些实施例的一些可选的实现方式中，基于井下内部环境数据的井下空间三维数据，以及井下安全生产因素数据中的支护设备坐标数据、井下空间顶点坐标数据和支护阻力数据，生成支护阻力稳定性标准值，包括：基于井下空间顶点坐标数据，生成井下空间重心数据；基于支护设备坐标数据，生成支护平面中心数据；特定井下空间顶点坐标数据的纵向坐标数据、支护阻力数据的额定支护阻力数据和实时支护阻力数据，生成目标纵向坐标数据；基于目标纵向坐标数据和支护平面中心数据，生成相对重心数据；基于井下空间重心数据和相对重心数据，生成偏移重心数据；基于井下空间三维数据、额定支护阻力数据、实时支护阻力数据和偏移重心数据，生成支护阻力稳定性标准值。

在一些实施例的一些可选的实现方式中，风险预测计算模型为单隐藏层的反向传播神经网络模型。

在一些实施例的一些可选的实现方式中，隐藏层的节点数量通过灰色关联度分析方式确定。

可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。

如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取井下外部环境数据、井下内部环境数据和井下安全生产因素数据；对井下外部环境数据、井下内部环境数据和井下安全生产因素数据进行标准处理，生成标准数据点；将标准数据点导入风险预测计算模型，生成实时安全预测值；当实时安全预测值大于预设的安全阈值时，执行预警操作。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：获取模块、第一生成模块、第二生成模块和预警模块。例如，获取模块还可以被描述为“获取井下外部环境数据、井下内部环境数据和井下安全生产因素数据的模块”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种井下作业安全信息的监测方法，其特征在于，所述方法包括：

获取井下外部环境数据、井下内部环境数据和井下安全生产因素数据；

对所述井下外部环境数据、所述井下内部环境数据和所述井下安全生产因素数据进行标准处理，生成标准数据点；

将所述标准数据点导入风险预测计算模型，生成实时安全预测值；

当所述实时安全预测值大于预设的安全阈值时，执行预警操作。

2.根据权利要求1所述的方法，其特征在于，所述对所述井下外部环境数据、所述井下内部环境数据和所述井下安全生产因素数据进行标准处理，生成标准数据点，包括：

对所述井下外部环境数据进行外部标准处理，生成顶板事故标准值、地震标准值和暴雨预警标准值；

对所述井下内部环境数据进行内部标准处理，生成开采强度标准值；

对所述井下安全生产因素数据进行安全生产标准处理，生成支护阻力稳定性标准值和支护部署稳定性标准值；

基于所述顶板事故标准值、所述地震标准值、所述暴雨预警标准值、所述开采强度标准值、所述支护阻力稳定性标准值和所述支护部署稳定性标准值，得到所述标准数据点。

3.根据权利要求2所述的方法，其特征在于，所述对所述井下外部环境数据进行外部标准处理，生成顶板事故标准值、地震标准值和暴雨预警标准值，包括：

获取所述井下外部环境数据当前时间的暴雨预警相关数据，以及目标时间段内的井下事故数据、顶板事故数据和地震相关数据；

基于所述井下事故数据和所述顶板事故数据，生成所述顶板事故标准值；

基于所述地震相关数据，生成所述地震标准值；

基于所述暴雨预警相关数据和预设的暴雨预警指标，生成所述暴雨预警标准值。

4.根据权利要求2所述的方法，其特征在于，所述对所述井下内部环境数据进行内部标准处理，生成开采强度标准值，包括：

基于所述井下内部环境数据的实时开采速度数据和实施开采面积数据，生成实时开采进度数据；

基于所述井下内部环境数据的井下空间三维数据和所述实施开采进度数据，生成所述开采强度标准值。

5.根据权利要求2所述的方法，其特征在于，所述对所述井下安全生产因素数据进行安全生产标准处理，生成支护阻力稳定性标准值和支护部署稳定性标准值，包括：

基于所述井下内部环境数据的井下空间三维数据和井下空间顶点坐标数据，以及所述井下安全生产因素数据中的支护设备坐标数据和支护阻力数据，生成所述支护阻力稳定性标准值；

基于所述井下安全生产因素数据在特定时间段内的支护设备变动数据，生成所述支护部署稳定性标准值。

6.根据权利要求5所述的方法，其特征在于，所述基于所述井下内部环境数据的井下空间三维数据和井下空间顶点坐标数据，以及所述井下安全生产因素数据中的支护设备坐标数据和支护阻力数据，生成所述支护阻力稳定性标准值，包括：

基于所述井下空间顶点坐标数据，生成井下空间重心数据；

基于所述支护设备坐标数据，生成支护平面中心数据；

基于特定井下空间顶点坐标数据的纵向坐标数据、支护阻力数据的额定支护阻力数据和实时支护阻力数据，生成目标纵向坐标数据；

基于所述目标纵向坐标数据和所述支护平面中心数据，生成相对重心数据；

基于所述井下空间重心数据和所述相对重心数据，生成偏移重心数据；

基于所述井下空间三维数据、所述额定支护阻力数据、所述实时支护阻力数据和所述偏移重心数据，生成所述支护阻力稳定性标准值。

7.据权利要求1所述的方法，其特征在于，所述风险预测计算模型为单隐藏层的反向传播神经网络模型。

8.根据权利要求7所述的方法，其特征在于，所述隐藏层的节点数量通过灰色关联度分析方式确定。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并且可以在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。

Images