矿山安全态势分析及预测预警方法技术

本发明专利技术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；本发明专利技术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。有显著的理论和实践意义。有显著的理论和实践意义。

【技术实现步骤摘要】
矿山安全态势分析及预测预警方法


[0001]本专利技术涉及风险预警领域，具体涉及矿山安全态势分析及预测预警方法。

技术介绍

[0002]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。
[0003]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。

技术实现思路

[0004]为解决上述技术问题，本专利技术提供的技术方案为：矿山安全态势分析及预测预警方法，包括以下步骤：
[0005](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；
[0006](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；
[0007](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；
[0008](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；
[0009](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。
[0010]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。
[0011]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。
[0012]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。
[0013]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。
[0014]采用以上方案后，本专利技术具有如下优点：本专利技术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
[0015]为了更清楚地说明本专利技术实施例的技术方案，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专利技术的某些实施例，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。
[0016]图1是本专利技术矿山安全态势分析及预测预警方法的方法示意图。
[0017]图2是本专利技术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
[0018]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0019]因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0020]实施例
[0021]矿山安全态势分析及预测预警方法，包括以下步骤：
[0022](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；
[0023](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；
[0024](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；
[0025](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；
[0026](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。
[0027]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。
[0028]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。
[0029]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。
[0030]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。
[0031]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。
[0032]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。
[0033]本专利技术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；通本文档来自技高网...

【技术保护点】

【技术特征摘要】
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；(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(1)中建立煤矿事故...

【专利技术属性】
技术研发人员：李贤功，刘锋，左路路，李昱，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：