基于机器学习的矿山环境监测方法及系统技术方案

本发明专利技术公开了基于机器学习的矿山环境监测方法及系统，方法包括：数据采集、数据预处理、矿山环境数据平衡、构建矿山环境状态评估模型和矿山环境实时监测。本发明专利技术属于环境监测技术领域，具体是指基于机器学习的矿山环境监测方法及系统，本方案设计加权标准距离和指数衰减距离得到数据之间的总距离，筛选出噪音数据，基于离散度和最近邻数据确定需要合成的数据数量，基于离散数据集并引入随机噪声合成新数据；设计局部密度和全局密度得到总密度，基于最小距离计算距离阈值，基于调节因子和总密度计算密度阈值，构建候选中心数据集，根据总密度和重叠数据数量得到聚类中心数据集，提升整个评估模型的质量，有利于准确评估矿山环境状态。

【技术实现步骤摘要】

本专利技术属于环境监测，具体是指基于机器学习的矿山环境监测方法及系统。

技术介绍

1、矿山环境监测方法是利用机器学习算法对矿山环境中的各种数据进行分析和处理，实时评估矿山环境状态，为矿山的管理和决策提供科学依据，帮助制定更合理的环境保护和治理措施，同时提高监测的效率和准确性，减少人力成本和误差。但是现有的矿山环境监测方法中存在监测设备差异和矿山环境类型分布不均，导致模型产生偏差，不能真实反映矿山环境实际情况的问题；现有的矿山环境监测方法中存在矿山环境数据具有高度的复杂性和多样性，且不同区域的矿山环境状况差异很大，导致对矿山环境状况的误判和无法有效监测矿山环境的问题。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了基于机器学习的矿山环境监测方法及系统，针对现有的矿山环境监测方法中存在监测设备差异和矿山环境类型分布不均，导致模型产生偏差，不能真实反映矿山环境实际情况的问题，本方案设计加权标准距离和指数衰减距离得到数据之间的总距离，根据总距离计算数据的最近邻数据，筛选出噪音数据并去除，提高了本文档来自技高网...

【技术保护点】

1.基于机器学习的矿山环境监测方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的基于机器学习的矿山环境监测方法，其特征在于：在步骤S3中，所述矿山环境数据平衡具体包括以下步骤：

3.根据权利要求2所述的基于机器学习的矿山环境监测方法，其特征在于：在步骤S31中，所述去除噪音数据具体包括以下步骤：

4.根据权利要求1所述的基于机器学习的矿山环境监测方法，其特征在于：在步骤S4中，所述构建矿山环境状态评估模型具体包括以下步骤：

5.根据权利要求4所述的基于机器学习的矿山环境监测方法，其特征在于：在步骤S41中，所述计算每个数据的总...

【技术特征摘要】

1.基于机器学习的矿山环境监测方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的基于机器学习的矿山环境监测方法，其特征在于：在步骤s3中，所述矿山环境数据平衡具体包括以下步骤：

3.根据权利要求2所述的基于机器学习的矿山环境监测方法，其特征在于：在步骤s31中，所述去除噪音数据具体包括以下步骤：

4.根据权利要求1所述的基于机器学习的矿山环境监测方法，其特征在于：在步骤s4中，所述构建矿山环境状态评估模型具体包括以下步骤：

5.根据权利要求4所述的基于机器学习的矿山环境监测方法，其特征在于：在步骤s41中，所述计算每个数据的总密度具体包括以下步骤：

6.根据权利要求1所述的基于机器学习的矿山环境监测方法，其特征在于：在步骤s5中，所述矿山环境实时监测是采集实时矿山环境数据；所述实时矿山环境数据包括空气质量数据、气象数据、水质数据、土壤数据、作业活动数据、生物数据和地质数据；对实时矿山环境数据进行数据预处理后，将实时矿山环境数据和历史矿山环境数据共同输入至矿山环境状态评估模型中进行聚类处理，基于输出的聚类结果，选取簇中具有历史矿山环境数据最多数量的标签类型作为簇标签，得到当前矿山环境的状态，实现矿山环境的实时监测。

7.根据权利要求1所述的基于机器学习的矿山环境监测方法，其特征在于：在步骤s1中，所述数据采集是采集历史矿山环境数据；...

【专利技术属性】
技术研发人员：牟春风，井博晨，闫远霖，
申请(专利权)人：徐州东控科技有限公司，
类型：发明
国别省市：