一种基于人工智能算法的高精度充填管路故障预警方法技术

本发明专利技术公开了一种基于人工智能算法的高精度充填管路故障预警方法，包括：采集地表充填站浓度、流量数据，获取井下管路关键监测点压力、时间数据；建立改进随机森林算法模型和拟合压力函数模型；判断改进随机森林算法模型和拟合压力函数模型的预测精度，若预测精度达标则构建压力预测模型，预测关键监测点压力并进行管路故障预警。本方法通过建立压力预测模型判断充填管路工作状态，实现了对管路异常及故障状态进行提前预警。故障状态进行提前预警。故障状态进行提前预警。

【技术实现步骤摘要】
一种基于人工智能算法的高精度充填管路故障预警方法


[0001]本专利技术涉及矿山充填
，具体涉及一种基于人工智能算法的高精度充填管路故障预警方法。

技术介绍

[0002]充填采矿法是保证深部开采安全最有效的方法之一，也是矿山尾砂充分利用的最好途径，随着矿山开采深度的增加，充填料浆输送管路逐渐延长、空间布置结构更加复杂，充填料浆输送管路故障点增多，故障频发。目前主要依靠人工巡视管路的方式保障充填管路的安全性，虽然已有相关的充填管路故障自动化监测方法，但是目前的监测方法达不到提前预警的效果，只能在管路发生“堵管”或者“泄露”后进行判断提醒，由于管理人员难以了解充填管路压力变化情况，不能及时做出控制决策，从而无法有效避免充填管路故障的发生。

技术实现思路

[0003]本专利技术提出了一种基于人工智能算法的高精度充填管路故障预警方法，其目的是：通过建立压力预测模型判断充填管路工作状态，实现对管路异常及故障状态进行提前预警。
[0004]本专利技术技术方案如下：
[0005]一种基于人工智能算法的高精度充填管路故障预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能算法的高精度充填管路故障预警方法，其特征在于，包括如下步骤：S1：采集地表充填站浓度、流量数据，获取井下管路关键监测点压力、时间数据；S2：建立改进随机森林算法模型和拟合压力函数模型；S3：判断改进随机森林算法模型和拟合压力函数模型的预测精度，若预测精度达标则执行步骤S4，否则返回步骤S1；S4：构建压力预测模型，预测关键监测点压力并进行管路故障预警。2.如权利要求1所述的基于人工智能算法的高精度充填管路故障预警方法，其特征在于，步骤S2所述建立改进随机森林算法模型的方法包括：S21：对步骤S1获取的浓度、流量、监测点压力、时间数据进行归一化处理，得到原始数据集；S22：通过改进的SMOTE算法和混合采样相结合的方式对原始数据集进行预处理，得到平衡数据集；S23：通过ReLiefF算法对平衡数据集进行特征加权和维度约简，筛选出有效的维度较低的子集训练决策树，采用加权投票方法得到优化数据集；S24：将优化数据集划分为训练集和测试集，建立改进随机森林算法模型，使用平方误差作为模型预测精度标准，利用对比散度训练算法确定模型参数，利用训练集归一化得到的均值mean_train和方差std_train对测试集归一化，使用测试集检验模型预测精度，若模型预测压力值与实际测量压力值之间误差达到预测精度要求，则判定当前模型作为所述改进随机森林算法模型。3.如权利要求2所述的基于人工智能算法的高精度充填管路故障预警方法，其特征在于，所述步骤S22具体包括：S22
‑
1：使用聚类算法对少数类进行聚类操作，确定少数类中各簇的分布状态，然后计算簇心，在簇心与簇内样本连线上根据下式插值增加样本数据：X
new
＝C
i
+rand(0,1)*(X
‑
C
i
)i＝1,2...N其中，X
new
为新插样本，C
i
为簇心，X为以C
i
为簇心聚类中的原始样本；S22
‑
2：依次计算多数类样本与少数类样本的采样数量：P
mix
＝Q
‑
LPM＝P
mix
·
tPN＝P
mix
·
(1
‑
t)其中，Q为多数类样本数，L为少数类样本数，P
mix
为混合采样数量，PM为欠采样数量，PN为过采样数量，t为混合比例系数；S22
‑
3：对多数类样本采取欠采样、少数类样本采取过采样的方式进行处理，分别得到全新数据集，合并所述全新数据集，得到平衡数据集D
new
。4.如权利要求2所述的基于人工智能算法的高精度充填管路故障预警方法，其特征在于，所述步...

【专利技术属性】
技术研发人员：寇云鹏，王增加，齐兆军，吴再海，宋泽普，盛宇航，杨纪光，朱庚杰，李广波，桑来发，荆晓东，
申请(专利权)人：山东黄金矿业科技有限公司，
类型：发明
国别省市：