一种基于多维数据处理的应急预警方法与流程

本发明属于煤矿预警，具体涉及一种基于多维数据处理的应急预警方法。

背景技术：

1、煤矿瓦斯是指在煤矿井下开采过程中，从煤层中释放出的混合气体，主要成分为甲烷(ch4)，还含有少量的乙烷(c2h6)、丙烷(c3h8)、丁烷(c4h10)等烃类气体以及二氧化碳(co2)、氮气(n2)等。瓦斯在煤矿中是一种非常重要的危险因素，其主要危害在于其可燃性和爆炸性，当浓度达到一定程度时，遇火源或高温易发生爆炸，造成严重的事故。

2、在煤矿安全生产中，对瓦斯的防治工作至关重要。目前，煤矿瓦斯治理技术主要包括抽采、通风、监测和防爆等措施。其中，抽采瓦斯是当前最为有效的预防瓦斯爆炸的方法，通过抽取煤层中的瓦斯，降低井下瓦斯浓度，减少瓦斯爆炸的风险。同时，煤矿井下还应配备完善的通风系统，以保持空气流通，降低瓦斯浓度。此外，监测瓦斯浓度和成分变化也是预防瓦斯爆炸的重要手段，通过实时监测，可以及时发现异常并采取措施。

3、煤矿瓦斯爆炸事故是煤矿安全生产中的重大隐患，对矿工的生命安全和煤矿的财产安全构成严重威胁。如何及时发现并预警煤矿瓦斯潜在的隐患，已经成为我国煤矿安全管理的关键问题。现有的应急预警方法主要依靠单一的数据源和简单的数据分析手段，难以准确、全面地发现潜在的瓦斯隐患。

技术实现思路

1、本发明提供一种基于多维数据处理的应急预警方法，用以解决现有技术中无法有效地进行应急预警的技术问题。

2、一种基于多维数据处理的应急预警方法，包括：

3、获取煤矿对应的历史多维数据，并对所述历史多维数据进行预处理，得到预处理之后的历史多维数据；

4、构建煤矿数据预测模型，并将所述预处理之后的历史多维数据作为训练数据，对煤矿数据预测模型进行优化，得到优化之后的煤矿数据预测模型；

5、采集煤矿对应的实时多维数据，并将所述实时多维数据输入优化之后的煤矿数据预测模型，得到数据预测结果；

6、基于所述数据预测结果，获取应急预警方案，并将所述应急预警方案反馈给工作人员，完成应急预警流程。

7、进一步地，煤矿对应的历史多维数据，包括：

8、瓦斯初始量、瓦斯涌出量、风排瓦斯量以及瓦斯浓度。

9、进一步地，对所述历史多维数据进行预处理，得到预处理之后的历史多维数据，包括：

10、对所述历史多维数据进行去噪以及归一化处理，得到预处理之后的历史多维数据。

11、进一步地，构建煤矿数据预测模型包括：采用神经网络构建煤矿数据预测模型。

12、进一步地，将所述预处理之后的历史多维数据作为训练数据，包括：

13、以任一n时刻为基础，取n时刻的前m时刻的瓦斯初始量、瓦斯涌出量以及风排瓦斯量作为自变量数据，以n时刻后的第m'时刻的瓦斯浓度作为因变量数据，得到一组训练数据；

14、基于上述获取训练数据的方法，获取多组不同的训练数据。

15、进一步地，对煤矿数据预测模型进行优化，得到优化之后的煤矿数据预测模型，包括：

16、初始化煤矿数据预测模型的模型参数，以获取由模型参数构成且均匀分布的多个个体；其中，每个个体均包括煤矿数据预测模型的全部模型参数，煤矿数据预测模型的模型参数包括其权重以及偏置数据；

17、根据所述训练数据，获取每个个体对应的误差函数值，并根据每个个体对应的误差函数值获取当前最优解；

18、以所述当前最优解为参照，令所有个体向当前最优解移动，以实现快速寻优，从而得到快速搜索之后的个体；

19、令快速搜索之后的个体在其邻域进行自适应搜索，以实现局部搜索，从而得到局部搜索之后的个体；

20、令局部搜索之后的个体进行反向差分学习，以提升群体质量，从而得到反向差分学习之后的个体；

21、令反向差分学习之后的个体进行全局搜索，从而得到全局搜索之后的个体；

22、判断当前优化次数是否到达最大优化次数，若是，则以所述全局搜索之后的个体为基础，重新获取当前最优解，并将当前最优解作为煤矿数据预测模型的最终模型参数，得到优化之后的煤矿数据预测模型，否则以所述全局搜索之后的个体为基础，重新获取当前最优解，并返回快速寻优的步骤。

23、进一步地，以所述当前最优解为参照，令所有个体向当前最优解移动，以实现快速寻优，从而得到快速搜索之后的个体为：

24、

25、其中，表示第t次优化过程中第i个个体，i＝1,2,…,p，p表示个体总数，表示更新后的rand1表示(0,1)之间的随机数，表示当前最优解。

26、进一步地，令快速搜索之后的个体在其邻域进行自适应搜索，以实现局部搜索，从而得到局部搜索之后的个体为：

27、

28、其中，表示第t次优化过程中第j个快速搜索之后的个体，j＝1,2,…,p，p表示个体总数，t表示最大优化次数，rand2表示(0,1)之间的随机数。

29、进一步地，令局部搜索之后的个体进行反向差分学习，以提升群体质量，从而得到反向差分学习之后的个体，包括：

30、对局部搜索之后的个体进行反向学习，得到每个个体对应的反向学习解；

31、针对任一个体，若其反向学习解的误差函数值减少，则采用反向学习解替换原个体，否则保持原个体不变；

32、针对任一反向学习之后的个体，对其进行变异、交叉以及选择操作，得到反向差分学习之后的个体。

33、进一步地，令反向差分学习之后的个体进行全局搜索，从而得到全局搜索之后的个体，包括：

34、令反向差分学习之后的个体进行全局搜索，得到全局搜索值为：

35、

36、

37、

38、其中，表示第t次优化过程中第k个反向差分学习之后的个体，k＝1,2,…,p，表示个体对应的全局搜索值，xlevy表示莱维飞行，λ表示上限值λmax与下限值λmin之间的随机系数，l表示[-1,1]之间的随机数，π表示圆周率，ε表示维度参数在[-1,1]之间的随机向量，且维度总数与个体的维度总数相同，γ表示调整步长，μ表示第一随机飞行系数，v表示第二随机飞行系数，η表示(0,2]之间的随机数，且μ与v服从正态分布，即v～n(0,1)，σμ表示中间参数，且γ表示伽马函数，γmax表示预设的最大调整步长，γmin表示预设的最小调整步长；

39、判断全局搜索值所对应的误差函数值是否减小，若是，则接受该次全局搜索，否则拒绝该次全局搜索。

40、本发明提供的一种基于多维数据处理的应急预警方法，通过收集煤矿瓦斯的多种数据，利用数据挖掘和机器学习算法对数据进行分析和处理，从而实现对煤矿瓦斯潜在隐患的早期发现和预警。本发明不仅能够提高预警的准确性和及时性，而且能够提供全方位、多角度的应急预警信息，为煤矿安全生产提供有力支持。

技术特征：

1.一种基于多维数据处理的应急预警方法，其特征在于，包括：

2.根据权利要求1所述的基于多维数据处理的应急预警方法，其特征在于，煤矿对应的历史多维数据，包括：

3.根据权利要求1所述的基于多维数据处理的应急预警方法，其特征在于，对所述历史多维数据进行预处理，得到预处理之后的历史多维数据，包括：

4.根据权利要求2所述的基于多维数据处理的应急预警方法，其特征在于，构建煤矿数据预测模型包括：采用神经网络构建煤矿数据预测模型。

5.根据权利要求4所述的基于多维数据处理的应急预警方法，其特征在于，将所述预处理之后的历史多维数据作为训练数据，包括：

6.根据权利要求5所述的基于多维数据处理的应急预警方法，其特征在于，对煤矿数据预测模型进行优化，得到优化之后的煤矿数据预测模型，包括：

7.根据权利要求6所述的基于多维数据处理的应急预警方法，其特征在于，以所述当前最优解为参照，令所有个体向当前最优解移动，以实现快速寻优，从而得到快速搜索之后的个体为：

8.根据权利要求7所述的基于多维数据处理的应急预警方法，其特征在于，令快速搜索之后的个体在其邻域进行自适应搜索，以实现局部搜索，从而得到局部搜索之后的个体为：

9.根据权利要求8所述的基于多维数据处理的应急预警方法，其特征在于，令局部搜索之后的个体进行反向差分学习，以提升群体质量，从而得到反向差分学习之后的个体，包括：

10.根据权利要求9所述的基于多维数据处理的应急预警方法，其特征在于，令反向差分学习之后的个体进行全局搜索，从而得到全局搜索之后的个体，包括：

技术总结本发明公开了一种基于多维数据处理的应急预警方法，属于煤矿预警技术领域，通过收集煤矿瓦斯的多种数据，利用数据挖掘和机器学习算法对数据进行分析和处理，从而实现对煤矿瓦斯潜在隐患的早期发现和预警。本发明不仅能够提高预警的准确性和及时性，而且能够提供全方位、多角度的应急预警信息，为煤矿安全生产提供有力支持。技术研发人员：李新峰,罗素华,杜纪龙,何岩峰,王燕娜,张伟,赵永生,刘昭,付佩超,王学群,李源受保护的技术使用者：中电云科信息技术有限公司技术研发日：技术公布日：2024/6/23