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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。