煤矿事故预测模型确定及监测方法、存储介质和电子设备技术

本发明专利技术公开了一种煤矿事故预测模型确定及监测方法、存储介质和电子设备，包括对获得的历史事故特征信息进行解析，生成与煤矿事故类型相对应的事故特征集合，事故特征集合包括历史事故特征信息和事故特征值信息；根据事故特征值信息和预先存储的特征词频阈值信息，对历史事故特征信息进行关联分析，生成事故关键要素信息；对事故关键要素信息进行解析，生成关键要素值信息；根据关键要素值信息和预先存储的关联规则，对事故关键要素信息进行关联分析，生成关键要素频繁项集；根据关键要素频繁项集，利用BP神经网络，生成事故预测数学模型。本发明专利技术，通过对历史事故特征信息进行解析和关联分析，生成事故预测数学模型，实时监测煤矿安全生产。

Determination of Coal Mine Accident Prediction Model and Monitoring Method, Storage Media and Electronic Equipment

The invention discloses a coal mine accident prediction model determination and monitoring method, storage medium and electronic equipment, including the analysis of the acquired historical accident characteristic information, the generation of accident characteristic set corresponding to the type of coal mine accident, and the accident characteristic set including historical accident characteristic information and accident characteristic value information. According to the accident eigenvalue information and the pre-stored feature word frequency threshold information, the historical accident characteristic information is correlated and analyzed to generate the accident key element information; the accident key element information is analyzed to generate the key element value information; and the accident key is determined by the key element value information and the pre-stored Association rules. According to the frequent itemsets of key elements, the BP neural network is used to generate the mathematical model of accident prediction. The invention generates a mathematical model for accident prediction and real-time monitoring of coal mine safety production by analyzing and correlating the characteristic information of historical accidents.

【技术实现步骤摘要】
煤矿事故预测模型确定及监测方法、存储介质和电子设备
本专利技术涉及煤矿安全生产
，尤其涉及一种煤矿事故预测模型确定及监测方法、存储介质和电子设备。
技术介绍
煤矿事故是指在采煤过程中发生的事故，通常造成伤亡的危险性极大，世界上每年至少有几千人死于煤矿事故。常见的煤矿事故类型有瓦斯事故、火灾事故、水灾事故、顶板事故、机电事故、运输事故、放炮事故及其它事故。目前，现有的煤矿安全管理系统主要为煤矿事故事后分析制度，通常依据煤矿安全专家的知识和经验对发生的事故进行主观分析，确定发生事故的原因。但现有的煤矿安全管理系统无法对煤矿事故进行提前预测，无法降低煤矿事故发生率，安全性低。
技术实现思路
本专利技术的目的在于克服现有技术无法对煤矿事故进行提前预测，无法降低煤矿事故发生率，安全性低的不足，提供一种煤矿事故预测模型确定及监测方法、存储介质和电子设备。本专利技术的技术方案提供一种煤矿事故预测模型确定方法，包括：对获得的历史事故特征信息进行解析，生成与煤矿事故类型相对应的事故特征集合，所述事故特征集合包括历史事故特征信息和事故特征值信息；根据所述事故特征值信息和预先存储的特征词频阈值信息，对所述历史事故特征信息进行关联分析，生成事故关键要素信息；对所述事故关键要素信息进行解析，生成关键要素值信息；根据所述关键要素值信息和预先存储的关联规则，对所述事故关键要素信息进行关联分析，生成关键要素频繁项集；根据所述关键要素频繁项集，利用BP神经网络，生成事故预测数学模型。进一步的，所述对获得的历史事故特征信息进行解析，生成与煤矿事故类型相对应的事故特征集合，具体包括：根据所述煤矿事故类型对所述历史事故特征信息进行分类，生成第一事故特征子集合；根据预先存储的停用词词典，对所述第一事故特征子集合中的所述历史事故特征信息去除停用词，生成第二事故特征子集合；根据预先存储的非关键词词典，对所述第二事故特征子集合中的所述历史事故特征信息去除非关键词，生成所述事故特征集合；对所述事故特征集合中的所述历史事故特征信息进行词频统计，生成所述事故特征值信息。进一步的，所述对所述事故关键要素信息进行解析，生成关键要素值信息，之后还包括：利用下式对所述关键要素值信息进行无量纲化：其中，yi为第i个经过无量纲化后的关键要素值，xi为输入的第i个关键要素值，为n个关键要素值的平均值，s为n个关键要素值的标准差值，n为关键要素值的个数。进一步的，所述根据所述关键要素值信息和预先存储的关联规则，对所述事故关键要素信息进行关联分析，生成关键要素频繁项集，具体包括：利用关联规则算法，根据所述关键要素值信息，对所述事故关键要素信息进行关联分析，生成关键要素频繁项子集；根据预先设置的最小支持度和最小置信度，对所述关键要素频繁项子集进行关联分析，生成所述关键要素频繁项集。进一步的，所述根据所述关键要素频繁项集，利用BP神经网络，生成事故预测数学模型，之后还包括：根据预先存储的历史事故数据信息，对所述事故预测数学模型进行修正。本专利技术的技术方案提供一种煤矿事故监测方法，包括：利用如前所述的煤矿事故预测模型确定方法的所述事故预测数学模型，对实时事故特征信息进行分析，生成监测结果。本专利技术的技术方案提供一种存储介质，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如前所述的煤矿事故预测模型确定方法或如前所述的煤矿事故监测方法的所有步骤。本专利技术的技术方案提供一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：对获得的历史事故特征信息进行解析，生成与煤矿事故类型相对应的事故特征集合，所述事故特征集合包括历史事故特征信息和事故特征值信息；根据所述事故特征值信息和预先存储的特征词频阈值信息，对所述历史事故特征信息进行关联分析，生成事故关键要素信息；对所述事故关键要素信息进行解析，生成关键要素值信息；根据所述关键要素值信息和预先存储的关联规则，对所述事故关键要素信息进行关联分析，生成关键要素频繁项集；根据所述关键要素频繁项集，利用BP神经网络，生成事故预测数学模型。本专利技术的技术方案提供一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：利用如前所述的煤矿事故预测模型确定方法的所述事故预测数学模型，对实时事故特征信息进行分析，生成监测结果。采用上述技术方案后，具有如下有益效果：通过对历史事故特征信息进行解析和关联分析，生成事故关键要素信息，并对事故关键要素信息进行解析和关联分析，生成关键要素频繁项集，并利用BP神经网络，生成事故预测数学模型，通过该事故预测数学模型可以实时监测煤矿安全生产，实现对煤矿事故进行提前预测，降低煤矿事故发生率，提高安全性。附图说明参见附图，本专利技术的公开内容将变得更易理解。应当理解：这些附图仅仅用于说明的目的，而并非意在对本专利技术的保护范围构成限制。图中：图1是本专利技术一实施例提供的一种煤矿事故预测模型确定方法的工作流程图；图2是本专利技术可选实施例提供的一种煤矿事故预测模型确定方法的工作流程图；图3是本专利技术一实施例提供的一种煤矿事故监测方法的工作流程图；图4是本专利技术第五实施例提供的一种执行煤矿事故预测模型确定方法或煤矿事故监测方法的电子设备的硬件结构示意图。具体实施方式下面结合附图来进一步说明本专利技术的具体实施方式。容易理解，根据本专利技术的技术方案，在不变更本专利技术实质精神下，本领域的一般技术人员可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本专利技术的技术方案的示例性说明，而不应当视为本专利技术的全部或视为对专利技术技术方案的限定或限制。在本说明书中提到或者可能提到的上、下、左、右、前、后、正面、背面、顶部、底部等方位用语是相对于各附图中所示的构造进行定义的，它们是相对的概念，因此有可能会根据其所处不同位置、不同使用状态而进行相应地变化。所以，也不应当将这些或者其他的方位用语解释为限制性用语。实施例一如图1所示，图1是本专利技术一实施例提供的一种煤矿事故预测模型确定方法的工作流程图，包括：步骤S101：对获得的历史事故特征信息进行解析，生成与煤矿事故类型相对应的事故特征集合，所述事故特征集合包括历史事故特征信息和事故特征值信息；具体来说，历史事故特征信息包括瓦斯、浓度、积聚、超能力、生产等能够引起发生煤矿事故的特征。历史事故特征信息的获取可以利用向量空间模型(VectorSpaceModel，VSM)，在通用词典和煤矿词典的基础上，对历史事故案例文档进行解析获得，也可以通过人工直接输入获得。事故特征值信息是指某一个历史事故特征信息在历史事故案例文档中出现的次数，每一个历史事故特征信息对应一个事故特征值信息。优选地，可以利用词频逆文本频率指数(TermFrequencyInverseDocumentFrequency，TFIDF)算法，对历史事故特征信息进行词频统计，生成事故特征值信息。事故特征集合与煤矿事故类型相对应，包括瓦斯事故特征子集合、火灾事故特征子集合本文档来自技高网...

【技术保护点】
1.一种煤矿事故预测模型确定方法，其特征在于，包括：对获得的历史事故特征信息进行解析，生成与煤矿事故类型相对应的事故特征集合，所述事故特征集合包括历史事故特征信息和事故特征值信息；根据所述事故特征值信息和预先存储的特征词频阈值信息，对所述历史事故特征信息进行关联分析，生成事故关键要素信息；对所述事故关键要素信息进行解析，生成关键要素值信息；根据所述关键要素值信息和预先存储的关联规则，对所述事故关键要素信息进行关联分析，生成关键要素频繁项集；根据所述关键要素频繁项集，利用BP神经网络，生成事故预测数学模型。

【技术特征摘要】
1.一种煤矿事故预测模型确定方法，其特征在于，包括：对获得的历史事故特征信息进行解析，生成与煤矿事故类型相对应的事故特征集合，所述事故特征集合包括历史事故特征信息和事故特征值信息；根据所述事故特征值信息和预先存储的特征词频阈值信息，对所述历史事故特征信息进行关联分析，生成事故关键要素信息；对所述事故关键要素信息进行解析，生成关键要素值信息；根据所述关键要素值信息和预先存储的关联规则，对所述事故关键要素信息进行关联分析，生成关键要素频繁项集；根据所述关键要素频繁项集，利用BP神经网络，生成事故预测数学模型。2.如权利要求1所述的煤矿事故预测模型确定方法，其特征在于，所述对获得的历史事故特征信息进行解析，生成与煤矿事故类型相对应的事故特征集合，具体包括：根据所述煤矿事故类型对所述历史事故特征信息进行分类，生成第一事故特征子集合；根据预先存储的停用词词典，对所述第一事故特征子集合中的所述历史事故特征信息去除停用词，生成第二事故特征子集合；根据预先存储的非关键词词典，对所述第二事故特征子集合中的所述历史事故特征信息去除非关键词，生成所述事故特征集合；对所述事故特征集合中的所述历史事故特征信息进行词频统计，生成所述事故特征值信息。3.如权利要求1所述的煤矿事故预测模型确定方法，其特征在于，所述对所述事故关键要素信息进行解析，生成关键要素值信息，之后还包括：利用下式对所述关键要素值信息进行无量纲化：其中，yi为第i个经过无量纲化后的关键要素值，xi为输入的第i个关键要素值，为n个关键要素值的平均值，s为n个关键要素值的标准差值，n为关键要素值的个数。4.如权利要求1所述的煤矿事故预测模型确定方法，其特征在于，所述根据所述关键要素值信息和预先存储的关联规则，对所述事故关键要素信息进行关联分析，生成关键要素频繁项集，具体包括：利用关联规则算法，根据所述关键要素值信息，对所述事故关键要素信息进行关联分析，生成关键要素频繁项子集；根据预先设置的最...

【专利技术属性】
技术研发人员：李东，张光德，周勇，张小兵，郭进伟，张占国，孙小平，杨波，刘生优，郑源志，
申请(专利权)人：中国神华能源股份有限公司，
类型：发明
国别省市：北京,11