CN117436022B - 一种煤矿井下安全综合管理方法及系统 - Google Patents

一种煤矿井下安全综合管理方法及系统 Download PDF

Info

Publication number
CN117436022B
CN117436022B CN202311691182.7A CN202311691182A CN117436022B CN 117436022 B CN117436022 B CN 117436022B CN 202311691182 A CN202311691182 A CN 202311691182A CN 117436022 B CN117436022 B CN 117436022B
Authority
CN
China
Prior art keywords
dimension
coal mine
data
underground
data sequence
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
Application number
CN202311691182.7A
Other languages
English (en)
Other versions
CN117436022A (zh
Inventor
陈营杰
刘春生
高志红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nancheng Yunqu Beijing Information Technology Co ltd
Original Assignee
Nancheng Yunqu Beijing Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nancheng Yunqu Beijing Information Technology Co ltd filed Critical Nancheng Yunqu Beijing Information Technology Co ltd
Priority to CN202311691182.7A priority Critical patent/CN117436022B/zh
Publication of CN117436022A publication Critical patent/CN117436022A/zh
Application granted granted Critical
Publication of CN117436022B publication Critical patent/CN117436022B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2123/00—Data types
    • G06F2123/02—Data types in the time domain, e.g. time-series data

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Business, Economics & Management (AREA)
  • Agronomy & Crop Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Animal Husbandry (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及数据管理技术领域，具体涉及一种煤矿井下安全综合管理方法及系统，包括：采集若干煤矿井下维度数据序列；根据煤矿井下维度数据序列得到煤矿井下维度数据的趋势权重；根据不同煤矿井下维度数据序列之间的关联影响得到维度联系数据序列；根据维度联系数据序列得到局部维度联系数据段；根据趋势权重得到局部维度联系数据段的维度联系紧密性；根据维度联系紧密性得到煤矿安全数据集的重要度；根据重要度得到煤矿安全数据集的自适应最少样本数目；根据自适应最少样本数目进行异常检测。本发明提高了获取异常环境数据的准确性，提高了煤矿井下进行安全管理的效率。

Description

一种煤矿井下安全综合管理方法及系统
技术领域
本发明涉及数据管理技术领域，具体涉及一种煤矿井下安全综合管理方法及系统。
背景技术
为保证煤矿井下作业的安全性，通常会采集煤矿井下的环境数据，对环境数据进行综合管理，然后通过异常检测识别潜在的安全威胁，以确保矿工和设备的安全；现有技术通常利用ISODATA聚类算法对环境数据进行聚类获取聚类簇，根据不同聚类簇中包含的环境数据数量确定异常的环境数据，从而对环境数据进行更好的安全管理。但由于煤矿井下环境中不同维度的环境数据之间的关系不同，导致最终获取的聚类簇数量可能不满足于预设的最少样本数目，使包含有异常环境数据的聚类簇无法保留下来，无法准确确定异常的环境数据，增加对煤矿井下进行安全管理的风险。
发明内容
本发明提供一种煤矿井下安全综合管理方法及系统，以解决现有的问题：由于煤矿井下环境中不同维度的环境数据之间的关系不同，导致利用传统的ISODATA聚类算法最终获取的聚类簇数量可能不满足于预设的最少样本数目，使包含有异常环境数据的聚类簇无法保留下来。
本发明的一种煤矿井下安全综合管理方法及系统采用如下技术方案：
本发明一个实施例提供了一种煤矿井下安全综合管理方法，该方法包括以下步骤：
采集若干煤矿井下维度数据序列，所述煤矿井下维度数据序列中包含多个煤矿井下维度数据；
根据煤矿井下维度数据在煤矿井下维度数据序列中的变化趋势与实际数值之间的差异，得到每个煤矿井下维度数据的趋势权重；根据不同煤矿井下维度数据序列之间的关联影响结合出若干维度联系数据序列，所述维度联系数据序列包含多个维度联系数据；对维度联系数据序列进行分段得到若干局部维度联系数据段；根据不同煤矿井下维度数据序列之间煤矿井下维度数据的趋势权重差异，得到每个局部维度联系数据段的维度联系紧密性；
将所有煤矿维度数据序列整体构成的数据集记为煤矿安全数据集，根据煤矿井下维度数据序列的总数与若干局部维度联系数据段的维度联系紧密性的占比情况，得到煤矿安全数据集的重要度；根据重要度对煤矿安全数据集进行数目调整得到煤矿安全数据集的自适应最少样本数目；
根据自适应最少样本数目对煤矿安全数据集进行异常检测。
优选的，所述根据煤矿井下维度数据在煤矿井下维度数据序列中的变化趋势与实际数值之间的差异，得到每个煤矿井下维度数据的趋势权重，包括的具体方法为：
对每个煤矿维度数据序列进行STL时间序列分解，得到每个煤矿维度数据序列中每个煤矿井下维度数据的趋势项分量；
式中，表示任意一个煤矿维度数据序列中第/>个煤矿井下维度数据的趋势权重；/>表示煤矿维度数据序列中第/>个煤矿井下维度数据的趋势项分量；/>表示煤矿维度数据序列中第/>个煤矿井下维度数据；/>表示取绝对值；/>表示以自然常数为底的指数函数。
优选的，所述根据不同煤矿井下维度数据序列之间的关联影响结合出若干维度联系数据序列，包括的具体方法为：
对于任意一个煤矿井下维度数据序列，将煤矿井下维度数据序列记为目标煤矿维度数据序列；在所有煤矿井下维度数据序列中，将除目标煤矿维度数据序列以外的每个煤矿井下维度数据序列记为目标煤矿维度数据序列的一个参考煤矿维度数据序列；
对于目标煤矿维度数据序列的任意一个参考煤矿维度数据序列，在目标煤矿维度数据序列与参考煤矿维度数据序列中，对相同序号的煤矿井下维度数据进行卷积运算，得到若干卷积运算后的数据，记为目标煤矿维度数据序列与参考煤矿维度数据序列的一个维度联系数据；将所有维度联系数据按照检测时间从小到大的顺序进行排列，将排列后的序列记为维度联系数据序列。
优选的，所述对维度联系数据序列进行分段得到若干局部维度联系数据段，包括的具体方法为：
对于任意一个维度联系数据序列，利用Cusum累积和算法获取维度联系数据序列的若干变化点，将相邻两个变化点之间所有维度联系数据所构成的数据段记为局部维度联系数据段。
优选的，所述根据不同煤矿井下维度数据序列之间煤矿井下维度数据的趋势权重差异，得到每个局部维度联系数据段的维度联系紧密性，包括的具体方法为：
对于任意一个煤矿井下维度数据序列，将煤矿井下维度数据序列记为目标煤矿维度数据序列；在所有煤矿井下维度数据序列中，将除目标煤矿维度数据序列以外的每个煤矿井下维度数据序列记为目标煤矿维度数据序列的一个参考煤矿维度数据序列；
式中，表示在目标煤矿维度数据序列的任意一个参考煤矿维度数据序列与目标煤矿维度数据序列的维度联系数据序列中，任意一个局部维度联系数据段的维度联系紧密性；/>表示预设的超参数；/>表示局部维度联系数据段中所有维度联系数据的方差；/>表示局部维度联系数据段中所有维度联系数据的数量；/>表示局部维度联系数据段中第/>个维度联系数据段在目标煤矿维度数据序列中对应煤矿井下维度数据的趋势权重；/>表示局部维度联系数据段中第/>个维度联系数据段在目标煤矿维度数据序列中对应的煤矿井下维度数据；/>表示局部维度联系数据段中第/>个维度联系数据段在参考煤矿维度数据序列中对应煤矿井下维度数据的趋势权重；/>表示局部维度联系数据段中第/>个维度联系数据段在参考煤矿维度数据序列中对应的煤矿井下维度数据；/>表示取绝对值。
优选的，所述根据煤矿井下维度数据序列的总数与若干局部维度联系数据段的维度联系紧密性的占比情况，得到煤矿安全数据集的重要度，包括的具体方法为：
对于任意一个煤矿井下维度数据序列，将煤矿井下维度数据序列记为目标煤矿维度数据序列；在所有煤矿井下维度数据序列中，将除目标煤矿维度数据序列以外的每个煤矿井下维度数据序列记为目标煤矿维度数据序列的一个参考煤矿维度数据序列；
获取第个煤矿维度数据序列的第/>个参考煤矿维度数据序列与第/>个煤矿维度数据序列的维度联系数据紧密程度；
式中，表示煤矿安全数据集的重要度；/>表示煤矿安全数据集中所有煤矿维度数据序列的数量；/>表示第/>个煤矿维度数据序列的所有参考煤矿维度数据序列的数量；/>表示预设的超参数；/>表示第/>个煤矿维度数据序列的第/>个参考煤矿维度数据序列与第/>个煤矿维度数据序列的维度联系数据紧密程度。
优选的，所述获取第个煤矿维度数据序列的第/>个参考煤矿维度数据序列与第/>个煤矿维度数据序列的维度联系数据紧密程度，包括的具体方法为：
将第个煤矿维度数据序列的第/>个参考煤矿维度数据序列与第/>个煤矿维度数据序列的维度联系数据序列中，所有局部维度联系数据段的维度联系紧密性的累加和记为维度联系数据紧密程度。
优选的，所述根据重要度对煤矿安全数据集进行数目调整得到煤矿安全数据集的自适应最少样本数目，包括的具体方法为：
式中，表示煤矿安全数据集的自适应最少样本数目；/>表示预设的超参数；/>表示煤矿安全数据集的重要度；/>表示向下取整。
优选的，所述根据自适应最少样本数目对煤矿安全数据集进行异常检测，包括的具体方法为：
将ISODATA聚类算法的最少样本数目替换为自适应最少样本数目，根据自适应最少样本数目对煤矿安全数据集进行ISODATA聚类，得到若干聚类簇；将包含煤矿井下维度数据数量最少的聚类簇记为异常聚类簇，将异常聚类簇中所有煤矿井下维度数据均记为异常煤矿井下维度数据，将异常煤矿井下维度数据输入煤矿井下安全管理系统进行保存，完成管理。
本发明还提出了一种煤矿井下安全综合管理系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述的一种煤矿井下安全综合管理方法的步骤。
本发明的技术方案的有益效果是：根据煤矿井下维度数据序列得到趋势权重，根据趋势权重得到维度联系紧密性，根据维度联系紧密性得到煤矿安全数据集的重要度，根据重要度得到自适应最少样本数目，根据自适应最少样本数目进行异常检测；本发明的趋势权重反映了煤矿井下维度数据在煤矿维度数据序列中整体数据趋势的影响程度，维度联系紧密性反映了煤矿井下维度数据序列之间的部分数据段的关系稳定程度，重要度反映了煤矿安全数据集中异常数据被忽略的可能性；使最少样本数目的设置更加智能，提高了获取异常环境数据的准确性，提高了煤矿井下进行安全管理的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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发明的一些实施例，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他的附图。
图1为本发明的一种煤矿井下安全综合管理方法的步骤流程图；
图2为本发明的煤矿维度数据空间示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种煤矿井下安全综合管理方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种煤矿井下安全综合管理方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种煤矿井下安全综合管理方法的步骤流程图，该方法包括以下步骤：
步骤S001：采集若干煤矿井下维度数据序列。
需要说明的是，现有技术通常利用ISODATA聚类算法对环境数据进行聚类获取聚类簇，根据不同聚类簇中包含的环境数据数量确定异常的环境数据，从而对环境数据进行更好的安全管理；但由于煤矿井下环境中不同维度的环境数据之间的关系不同，导致最终获取的聚类簇数量可能不满足于预设的最少样本数目，使包含有异常环境数据的聚类簇无法保留下来，无法准确确定异常的环境数据，增加对煤矿井下进行安全管理的风险。为此，本实施例提出了一种煤矿井下安全综合管理方法。
具体的，为了实现本实施例提出的一种煤矿井下安全综合管理方法，本实施例并不针对某一种环境数据，以瓦斯浓度数据、氧气浓度数据以及温度数据这三种维度的环境数据为例进行叙述，首先需要采集煤矿井下维度数据序列，具体过程为：使用瓦斯传感器、氧气传感器、温湿度传感器每隔1分钟检测一次煤矿井下的瓦斯浓度数据、氧气浓度数据、温度数据，并将这三个数据均记为一个煤矿井下维度数据，共采集3小时；以瓦斯浓度数据为例，将采集的所有瓦斯浓度数据按照检测时间从小到大的顺序进行排列，将排列后的序列记为一个煤矿井下维度数据序列；获取所有煤矿井下维度数据序列。其中每个煤矿井下维度数据序列中包含多个煤矿井下维度数据，每个煤矿井下维度数据序列的序列长度一致。
至此，通过上述方法得到若干煤矿井下维度数据序列。
步骤S002：根据煤矿井下维度数据在煤矿井下维度数据序列中的变化趋势与实际数值之间的差异，得到每个煤矿井下维度数据的趋势权重；根据不同煤矿井下维度数据序列之间的关联影响结合出若干维度联系数据序列；对维度联系数据序列进行分段得到若干局部维度联系数据段；根据不同煤矿井下维度数据序列之间煤矿井下维度数据的趋势权重差异，得到每个局部维度联系数据段的维度联系紧密性。
需要说明的是，煤矿井下的环境数据中包含多种维度的煤矿井下维度数据，这些维度的煤矿井维度数据共同表征煤矿井下的环境情况，进而表征煤矿井下的安全性；在实际煤矿井下的环境中，这些不同维度的煤矿井下维度数据在共同表征煤矿进井下的环境情况过程中，彼此之间还会因其物理特性之间的关联性还会互相影响，所以这些不同维度的煤矿井下维度数据之间存在一定的关联性；并且若煤矿井下的环境中存在较大的风险性，在实际情况下这些不同维度的煤矿井下维度数据之间的联系越紧密，对应所占的空间密度也会越小。为了将异常的煤矿井下维度数据尽可能的检测出来，本实施例通过分析不同维度之间煤矿井下维度数据的互相影响关系得到不同维度之间的联系紧密性，以便后续分析处理。
具体的，对每个煤矿维度数据序列进行STL时间序列分解，得到每个煤矿维度数据序列中每个煤矿井下维度数据的趋势项分量；以任意一个煤矿维度数据序列为例，根据该煤矿维度数据序列中第个煤矿井下维度数据的趋势项分量，得到该煤矿维度数据序列中第/>个煤矿井下维度数据的趋势权重。数据序列中每个数据的趋势项分量的获取过程是STL时间序列分解算法的公知内容，本实施例不再赘述；另外该煤矿维度数据序列中第/>个煤矿井下维度数据的趋势权重的计算方法为：
式中，表示该煤矿维度数据序列中第/>个煤矿井下维度数据的趋势权重；/>表示该煤矿维度数据序列中第/>个煤矿井下维度数据的趋势项分量；/>表示该煤矿维度数据序列中第/>个煤矿井下维度数据；/>表示取绝对值；/>表示以自然常数为底的指数函数；实施例采用/>函数来呈现反比例关系及归一化处理，实施者可根据实际情况选择反比例函数及归一化函数。其中若该煤矿维度数据序列中第/>个煤矿井下维度数据的趋势权重越大，说明第/>个煤矿井下维度数据在该煤矿维度数据序列中存在突变的可能性越大，反映第/>个煤矿井下维度数据在该煤矿维度数据序列中整体数据趋势的影响越大。
进一步的，以任意一个煤矿井下维度数据序列为例，将该煤矿井下维度数据序列记为目标煤矿维度数据序列；在所有煤矿井下维度数据序列中，将除该目标煤矿维度数据序列以外的每个煤矿井下维度数据序列记为该目标煤矿维度数据序列的一个参考煤矿维度数据序列；以该目标煤矿维度数据序列的任意一个参考煤矿维度数据序列为例，在该目标煤矿维度数据序列与该参考煤矿维度数据序列中，对相同序号的煤矿井下维度数据进行卷积运算，得到若干卷积运算后的数据，记为该目标煤矿维度数据序列与该参考煤矿维度数据序列的一个维度联系数据；将所有维度联系数据按照检测时间从小到大的顺序进行排列，将排列后的序列记为维度联系数据序列。其中任意两个煤矿井下维度数据序列均对应一个维度联系数据序列，每个维度联系数据序列包含多个维度联系数据，每个维度联系数据对应一个检测时间，每个维度联系数据序列的序列长度一致，每个维度联系数据序列包含多个局部维度联系数据段；另外卷积运算是公知技术，本实施例不再赘述。
进一步的，利用Cusum累积和算法获取该维度联系数据序列的若干变化点，将相邻两个变化点之间所有维度联系数据所构成的数据段记为局部维度联系数据段，获取若干局部维度联系数据段；以任意一个局部维度联系数据段为例，根据该目标煤矿维度数据序列与参考煤矿维度数据序列中若干煤矿井下维度数据的趋势权重，得到该局部维度联系数据段的维度联系紧密性。其中Cusum累积和算法是公知技术，本实施例不再赘述。另外该局部维度联系数据段的维度联系紧密性的计算方法为：
式中，表示该局部维度联系数据段的维度联系紧密性；/>表示预设的超参数，本实施例预设/>，用于表征求和权重值；/>表示该局部维度联系数据段中所有维度联系数据的方差；/>表示该局部维度联系数据段中所有维度联系数据的数量；/>表示该局部维度联系数据段中第/>个维度联系数据段在该目标煤矿维度数据序列中对应煤矿井下维度数据的趋势权重；/>表示该局部维度联系数据段中第/>个维度联系数据段在该目标煤矿维度数据序列中对应的煤矿井下维度数据；/>表示该局部维度联系数据段中第/>个维度联系数据段在该参考煤矿维度数据序列中对应煤矿井下维度数据的趋势权重；/>表示该局部维度联系数据段中第/>个维度联系数据段在该参考煤矿维度数据序列中对应的煤矿井下维度数据；/>表示取绝对值。其中若该局部维度联系数据段的维度联系紧密性越大，说明该局部维度联系数据段在该目标煤矿维度数据序列与该参考煤矿维度数据序列中对应的数据段之间的关系越稳定，关联越紧密。获取该目标煤矿维度数据序列与参考煤矿维度数据序列的维度联系数据序列中，所有局部维度联系数据段的维度联系紧密性；获取任意两个煤矿维度数据序列的维度联系数据序列中，所有局部维度联系数据段的维度联系紧密性。
至此，通过上述方法得到任意两个煤矿维度数据序列的维度联系数据序列中，所有局部维度联系数据段的维度联系紧密性。
步骤S003：根据煤矿井下维度数据序列的总数与若干局部维度联系数据段的维度联系紧密性的占比情况，得到煤矿安全数据集的重要度；根据重要度对煤矿安全数据集进行数目调整得到煤矿安全数据集的自适应最少样本数目。
需要说明的是，对于任意两个煤矿维度数据序列之间任意一个局部维度联系数据段而言，若该局部维度联系数据段的维度联系紧密性越大，说明在构建多维空间时，该局部维度联系数据段所占的空间越大，对应在ISODATA聚类算法中，最少样本数目也会相对应的增大，请参阅图2，其示出了煤矿维度数据空间示意图，其中x（n），y（n），z（n）分别表示三个煤矿维度数据序列；本实施例通过根据不同煤矿维度数据序列之间的不同局部维度联系数据段的维度联系紧密性，得到每个局部维度联系数据段的重要度，根据重要度得到自适应最少样本数目，以便后面分析处理。
具体的，将所有煤矿维度数据序列整体构成的数据集记为煤矿安全数据集，根据所有维度联系数据序列中若干局部维度联系数据段的维度联系紧密性，得到煤矿安全数据集的重要度。其中煤矿安全数据集的重要度的计算方法为：
式中，表示煤矿安全数据集的重要度；/>表示煤矿安全数据集中所有煤矿维度数据序列的数量；/>表示第/>个煤矿维度数据序列的所有参考煤矿维度数据序列的数量；/>表示预设的超参数，本实施例预设/>，用于防止分母为0；/>表示第/>个煤矿维度数据序列的第/>个参考煤矿维度数据序列与第/>个煤矿维度数据序列的维度联系数据序列中，所有局部维度联系数据段的维度联系紧密性的累加和，即第/>个煤矿维度数据序列的第/>个参考煤矿维度数据序列与第/>个煤矿维度数据序列的维度联系数据紧密程度。其中若煤矿安全数据集的重要度越大，说明煤矿安全数据集中异常数据越有可能被忽略，反映煤矿安全数据集越需要被重视。
进一步的，根据煤矿安全数据集的重要度得到煤矿安全数据集的自适应最少样本数目。其中煤矿安全数据集的自适应最少样本数目的计算方法为：
式中，表示煤矿安全数据集的自适应最少样本数目；/>表示预设的超参数，本实施例预设/>，用于表征ISODATA聚类算法初始预设的最少样本数目；/>表示煤矿安全数据集的重要度；/>表示向下取整。
至此，通过上述方法得到煤矿安全数据集的自适应最少样本数目。
步骤S004：根据自适应最少样本数目对煤矿安全数据集进行异常检测。
具体的，将ISODATA聚类算法的最少样本数目替换为自适应最少样本数目，根据自适应最少样本数目对煤矿安全数据集进行ISODATA聚类，得到若干聚类簇；将包含煤矿井下维度数据数量最少的聚类簇记为异常聚类簇，将异常聚类簇中所有煤矿井下维度数据均记为异常煤矿井下维度数据，将异常煤矿井下维度数据输入煤矿井下安全管理系统进行保存，完成管理。其中根据最少样本数目对数据集进行聚类的过程是ISODATA聚类算法的公知内容，本实施例不再赘述。
通过以上步骤，完成一种煤矿井下安全综合管理方法。
本发明的另一个实施例提供了一种煤矿井下安全综合管理系统，所述系统包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序时，执行以下操作：
采集若干煤矿井下维度数据序列，所述煤矿井下维度数据序列中包含多个煤矿井下维度数据；
根据煤矿井下维度数据在煤矿井下维度数据序列中的变化趋势与实际数值之间的差异，得到每个煤矿井下维度数据的趋势权重；根据不同煤矿井下维度数据序列之间的关联影响结合出若干维度联系数据序列，所述维度联系数据序列包含多个维度联系数据；对维度联系数据序列进行分段得到若干局部维度联系数据段；根据不同煤矿井下维度数据序列之间煤矿井下维度数据的趋势权重差异，得到每个局部维度联系数据段的维度联系紧密性；
将所有煤矿维度数据序列整体构成的数据集记为煤矿安全数据集，根据煤矿井下维度数据序列的总数与若干局部维度联系数据段的维度联系紧密性的占比情况，得到煤矿安全数据集的重要度；根据重要度对煤矿安全数据集进行数目调整得到煤矿安全数据集的自适应最少样本数目；
根据自适应最少样本数目对煤矿安全数据集进行异常检测。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种煤矿井下安全综合管理方法，其特征在于，该方法包括以下步骤：
采集若干煤矿井下维度数据序列，所述煤矿井下维度数据序列中包含多个煤矿井下维度数据；
根据煤矿井下维度数据在煤矿井下维度数据序列中的变化趋势与实际数值之间的差异，得到每个煤矿井下维度数据的趋势权重；根据不同煤矿井下维度数据序列之间的关联影响结合出若干维度联系数据序列，所述维度联系数据序列包含多个维度联系数据；对维度联系数据序列进行分段得到若干局部维度联系数据段；根据不同煤矿井下维度数据序列之间煤矿井下维度数据的趋势权重差异，得到每个局部维度联系数据段的维度联系紧密性；
将所有煤矿维度数据序列整体构成的数据集记为煤矿安全数据集，根据煤矿井下维度数据序列的总数与若干局部维度联系数据段的维度联系紧密性的占比情况，得到煤矿安全数据集的重要度；根据重要度对煤矿安全数据集进行数目调整得到煤矿安全数据集的自适应最少样本数目；
根据自适应最少样本数目对煤矿安全数据集进行异常检测。
2.根据权利要求1所述一种煤矿井下安全综合管理方法，其特征在于，所述根据煤矿井下维度数据在煤矿井下维度数据序列中的变化趋势与实际数值之间的差异，得到每个煤矿井下维度数据的趋势权重，包括的具体方法为：
对每个煤矿维度数据序列进行STL时间序列分解，得到每个煤矿维度数据序列中每个煤矿井下维度数据的趋势项分量；
式中，表示任意一个煤矿维度数据序列中第/>个煤矿井下维度数据的趋势权重；/>表示煤矿维度数据序列中第/>个煤矿井下维度数据的趋势项分量；/>表示煤矿维度数据序列中第/>个煤矿井下维度数据；/>表示取绝对值；/>表示以自然常数为底的指数函数。
3.根据权利要求1所述一种煤矿井下安全综合管理方法，其特征在于，所述根据不同煤矿井下维度数据序列之间的关联影响结合出若干维度联系数据序列，包括的具体方法为：
对于任意一个煤矿井下维度数据序列，将煤矿井下维度数据序列记为目标煤矿维度数据序列；在所有煤矿井下维度数据序列中，将除目标煤矿维度数据序列以外的每个煤矿井下维度数据序列记为目标煤矿维度数据序列的一个参考煤矿维度数据序列；
对于目标煤矿维度数据序列的任意一个参考煤矿维度数据序列，在目标煤矿维度数据序列与参考煤矿维度数据序列中，对相同序号的煤矿井下维度数据进行卷积运算，得到若干卷积运算后的数据，记为目标煤矿维度数据序列与参考煤矿维度数据序列的一个维度联系数据；将所有维度联系数据按照检测时间从小到大的顺序进行排列，将排列后的序列记为维度联系数据序列。
4.根据权利要求1所述一种煤矿井下安全综合管理方法，其特征在于，所述对维度联系数据序列进行分段得到若干局部维度联系数据段，包括的具体方法为：
对于任意一个维度联系数据序列，利用Cusum累积和算法获取维度联系数据序列的若干变化点，将相邻两个变化点之间所有维度联系数据所构成的数据段记为局部维度联系数据段。
5.根据权利要求1所述一种煤矿井下安全综合管理方法，其特征在于，所述根据不同煤矿井下维度数据序列之间煤矿井下维度数据的趋势权重差异，得到每个局部维度联系数据段的维度联系紧密性，包括的具体方法为：
对于任意一个煤矿井下维度数据序列，将煤矿井下维度数据序列记为目标煤矿维度数据序列；在所有煤矿井下维度数据序列中，将除目标煤矿维度数据序列以外的每个煤矿井下维度数据序列记为目标煤矿维度数据序列的一个参考煤矿维度数据序列；
式中，表示在目标煤矿维度数据序列的任意一个参考煤矿维度数据序列与目标煤矿维度数据序列的维度联系数据序列中，任意一个局部维度联系数据段的维度联系紧密性；/>表示预设的超参数；/>表示局部维度联系数据段中所有维度联系数据的方差；/>表示局部维度联系数据段中所有维度联系数据的数量；/>表示局部维度联系数据段中第/>个维度联系数据段在目标煤矿维度数据序列中对应煤矿井下维度数据的趋势权重；/>表示局部维度联系数据段中第/>个维度联系数据段在目标煤矿维度数据序列中对应的煤矿井下维度数据；/>表示局部维度联系数据段中第/>个维度联系数据段在参考煤矿维度数据序列中对应煤矿井下维度数据的趋势权重；/>表示局部维度联系数据段中第/>个维度联系数据段在参考煤矿维度数据序列中对应的煤矿井下维度数据；/>表示取绝对值。
6.根据权利要求1所述一种煤矿井下安全综合管理方法，其特征在于，所述根据煤矿井下维度数据序列的总数与若干局部维度联系数据段的维度联系紧密性的占比情况，得到煤矿安全数据集的重要度，包括的具体方法为：
对于任意一个煤矿井下维度数据序列，将煤矿井下维度数据序列记为目标煤矿维度数据序列；在所有煤矿井下维度数据序列中，将除目标煤矿维度数据序列以外的每个煤矿井下维度数据序列记为目标煤矿维度数据序列的一个参考煤矿维度数据序列；
获取第个煤矿维度数据序列的第/>个参考煤矿维度数据序列与第/>个煤矿维度数据序列的维度联系数据紧密程度；
式中，表示煤矿安全数据集的重要度；/>表示煤矿安全数据集中所有煤矿维度数据序列的数量；/>表示第/>个煤矿维度数据序列的所有参考煤矿维度数据序列的数量；/>表示预设的超参数；/>表示第/>个煤矿维度数据序列的第/>个参考煤矿维度数据序列与第/>个煤矿维度数据序列的维度联系数据紧密程度。
7.根据权利要求6所述一种煤矿井下安全综合管理方法，其特征在于，所述获取第个煤矿维度数据序列的第/>个参考煤矿维度数据序列与第/>个煤矿维度数据序列的维度联系数据紧密程度，包括的具体方法为：
将第个煤矿维度数据序列的第/>个参考煤矿维度数据序列与第/>个煤矿维度数据序列的维度联系数据序列中，所有局部维度联系数据段的维度联系紧密性的累加和记为维度联系数据紧密程度。
8.根据权利要求1所述一种煤矿井下安全综合管理方法，其特征在于，所述根据重要度对煤矿安全数据集进行数目调整得到煤矿安全数据集的自适应最少样本数目，包括的具体方法为：
式中，表示煤矿安全数据集的自适应最少样本数目；/>表示预设的超参数；/>表示煤矿安全数据集的重要度；/>表示向下取整。
9.根据权利要求1所述一种煤矿井下安全综合管理方法，其特征在于，所述根据自适应最少样本数目对煤矿安全数据集进行异常检测，包括的具体方法为：
将ISODATA聚类算法的最少样本数目替换为自适应最少样本数目，根据自适应最少样本数目对煤矿安全数据集进行ISODATA聚类，得到若干聚类簇；将包含煤矿井下维度数据数量最少的聚类簇记为异常聚类簇，将异常聚类簇中所有煤矿井下维度数据均记为异常煤矿井下维度数据，将异常煤矿井下维度数据输入煤矿井下安全管理系统进行保存，完成管理。
10.一种煤矿井下安全综合管理系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，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1-9任一项所述的一种煤矿井下安全综合管理方法的步骤。
CN202311691182.7A 2023-12-11 2023-12-11 一种煤矿井下安全综合管理方法及系统 Active CN117436022B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311691182.7A CN117436022B (zh) 2023-12-11 2023-12-11 一种煤矿井下安全综合管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311691182.7A CN117436022B (zh) 2023-12-11 2023-12-11 一种煤矿井下安全综合管理方法及系统

Publications (2)

Publication Number Publication Date
CN117436022A CN117436022A (zh) 2024-01-23
CN117436022B true CN117436022B (zh) 2024-02-13

Family

ID=89553646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311691182.7A Active CN117436022B (zh) 2023-12-11 2023-12-11 一种煤矿井下安全综合管理方法及系统

Country Status (1)

Country Link
CN (1) CN117436022B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009119960A1 (en) * 2008-03-28 2009-10-01 Mine Reclamation Corp. Three-dimensional implementation method of mine tunnel
CN105102760A (zh) * 2012-11-05 2015-11-25 兰德马克绘图国际公司 用rimlier数据对井孔事件建模的系统、方法和计算机程序产品
CN110059969A (zh) * 2019-04-24 2019-07-26 哈尔滨理工大学 一种煤矿企业可视化安全管理系统
CN114648418A (zh) * 2022-02-23 2022-06-21 煤炭科学技术研究院有限公司 井下采空区安全分级预警监测方法及系统
CN115905650A (zh) * 2022-07-28 2023-04-04 淮北矿业股份有限公司 基于物联网及传感器技术的煤矿生产三维可视化信息系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230252109A1 (en) * 2022-01-17 2023-08-10 Vmware, Inc Methods and systems that continuously optimize sampling rates for metric data in distributed computer systems by preserving metric-data-sequence patterns and characteristics

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009119960A1 (en) * 2008-03-28 2009-10-01 Mine Reclamation Corp. Three-dimensional implementation method of mine tunnel
CN105102760A (zh) * 2012-11-05 2015-11-25 兰德马克绘图国际公司 用rimlier数据对井孔事件建模的系统、方法和计算机程序产品
CN110059969A (zh) * 2019-04-24 2019-07-26 哈尔滨理工大学 一种煤矿企业可视化安全管理系统
CN114648418A (zh) * 2022-02-23 2022-06-21 煤炭科学技术研究院有限公司 井下采空区安全分级预警监测方法及系统
CN115905650A (zh) * 2022-07-28 2023-04-04 淮北矿业股份有限公司 基于物联网及传感器技术的煤矿生产三维可视化信息系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Maternal exposure to cooking oil fumes during pregnancy and autistic-like behaviors in Chinese preschoolers;Yang, JH;ENVIRONMENTAL SCIENCE AND POLLUTION RESEARCH;20220620;第29卷(第49期);74688-74698 *
数据挖掘在煤矿安全监测监控系统中的应用;李伟;;陕西煤炭;20200615(第S2期);215-219 *

Also Published As

Publication number Publication date
CN117436022A (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
CN110263846B (zh) 基于故障数据深度挖掘及学习的故障诊断方法
CN112148955A (zh) 一种物联网时序数据异常检测方法及系统
CN110750524A (zh) 一种有源配电网故障特征的确定方法及系统
KR20190072652A (ko) 정보 처리 장치 및 정보 처리 방법
CN113268641B (zh) 基于大数据的用户数据处理方法及大数据服务器
CN111709668A (zh) 基于数据挖掘技术的电网设备参数风险识别方法及装置
CN113360656A (zh) 异常数据检测方法、装置、设备及存储介质
CN111326236A (zh) 一种医疗图像自动处理系统
CN112783938A (zh) 一种水文遥测实时数据异常检测方法
CN111861781A (zh) 一种居民用电行为聚类中的特征优选方法及系统
CN113807004A (zh) 基于数据挖掘的刀具寿命预测方法、装置及系统
CN117473351B (zh) 基于物联网的电源信息远程传输系统
CN117436022B (zh) 一种煤矿井下安全综合管理方法及系统
CN113094448B (zh) 住宅空置状态的分析方法及分析装置、电子设备
CN113127464A (zh) 农业大数据环境特征处理方法、装置及电子设备
CN116663972A (zh) 基于特征选择的食品掺杂物权重可视分析方法
CN108062376A (zh) 一种基于相似工况的时间序列压缩存储方法及系统
CN113707320B (zh) 一种基于相关性分析的en结合mpa-svm的异常体征矿工判别方法
CN109189775B (zh) 一种工业监控平台海量数据处理系统及方法
CN111027515A (zh) 一种人脸库照片更新方法
McParland et al. Mixture modelling of high-dimensional data
CN117786438B (zh) 一种元宇宙数字孪生方法及系统
CN117744076B (zh) 一种银行数据库系统入侵检测方法及系统
CN116884554B (zh) 一种电子病历分类管理方法及系统
CN115408926B (zh) 用于隧道掘进岩体参数预测的数据处理方法和装置

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