技术新讯 > 计算推算,计数设备的制造及其应用技术 > 基于多尺度参量的地下空间关键区域安全预警方法及系统  >  正文

基于多尺度参量的地下空间关键区域安全预警方法及系统

  • 国知局
  • 2024-10-21 14:45:40

本发明涉及人工智能,尤其涉及一种基于多尺度参量的地下空间关键区域安全预警方法及系统。

背景技术:

1、目前许多工程都需要在地下空间进开发作业,例如煤矿开发、地下通道开发以及地铁建设等。由于在地下空间进行作业伴随着较大的危险性,因此需要对地下空间关键区域的相关数据进行安全监测,在地下空间关键区域的检测数据异常时及时发出预警。但目前大多是人工观测收集到的地下空间关键区域数据,逐个对数据进行分析来判断是否存在事故风险,这种分析方式效率低,分析的准确度也无法保障。

技术实现思路

1、本发明提供一种基于多尺度参量的地下空间关键区域安全预警方法及系统,其主要目的在于解决现有对地下空间关键区域进行事故风险分析效率低以及准确度无法保障的问题。

2、为实现上述目的,本发明提供的一种基于多尺度参量的地下空间关键区域安全预警方法,包括:

3、在地下空间关键区域建立包含多个传感器节点的传感器网络,利用所述传感器节点中所包含的传感器获取地下空间关键区域的多尺度参量;

4、对所述多尺度参量进行标准化处理,得到预处理多尺度参量;

5、对所述预处理多尺度参量进行特征提取,得到多尺度参量特征;

6、利用预先训练的安全预警模型

7、对所述多尺度参量特征进行数据转换处理,得到特征矩阵,利用所述安全预警模型通过卷积层对所述特征矩阵进行卷积操作,得到卷积特征,利用所述安全预警模型通过池化层对所述卷积特征进行最大池化操作,得到池化特征,利用所述安全预警模型通过全连接层根据所述池化特征计算出异常概率,其中所述利用所述安全预警模型通过全连接层根据所述池化特征计算出异常概率,包括:

8、利用如下公式计算所述异常概率:

9、;

10、其中, 为所述异常结果,为所述安全预警模型的权重参数,为所述池化特征的向量形式,为所述安全预警模型的偏置项,表示sigmoid激活函数;

11、根据所述异常概率判断地下空间关键区域是否存在安全隐患,若所述地下空间关键区域存在安全隐患,则发出安全预警。

12、可选地,所述传感器网络中相邻的传感器节点之间可以通过无线通信方式进行通信。

13、可选地,对所述传感器节点之间的距离进行实时监测,若传感器节点之间的距离在预设的监测周期内产生的距离变化大于或等于预设的距离阈值,则判定易发生坍塌事故,直接发出安全预警。

14、可选地,所述对所述多尺度参量进行标准化处理,得到预处理多尺度参量,包括:

15、利用如下公式表示所述标准化处理:

16、;

17、其中,为所述预处理多尺度参量的第组数据,为所述多尺度参量的第组数据,为所述多尺度参量的第组数据的最大值,为所述多尺度参量的第组数据的最小值;

18、可选地,所述对所述预处理多尺度参量进行特征提取,得到多尺度参量特征,包括:

19、对所述预处理多尺度参量进行缺失值处理,得到完整多尺度参量;

20、利用特征提取算法将所述完整多尺度参量转化为向量形式,得到多尺度参量向量;

21、对所述多尺度参量向量进行降维处理,得到多尺度参量特征。

22、可选地,所述对所述预处理多尺度参量进行缺失值处理,得到完整多尺度参量,包括:

23、对所述预处理多尺度参量进行缺失值识别,得到缺失值识别结果;

24、根据所述缺失值识别结果对所述预处理多尺度参量进行缺失值统计,得到统计结果;

25、根据所述统计结果通过预设的缺失值处理方法对所述预处理多尺度参量进行缺失值处理,得到完整多尺度参量。

26、可选地,利用预先训练的安全预警模型对所述多尺度参量特征进行数据转换处理之前,所述方法还包括:

27、利用所述传感器节点包含的传感器采集所述地下空间关键区域的历史数据,得到历史多尺度参量;

28、对所述历史多尺度参量进行特征提取,得到标准多尺度参量数据集,所述标准多尺度参量数据集部分划为训练数据,剩余部分划为测试数据;

29、利用神经网络模型对所述训练数据进行安全识别,得到训练识别结果;

30、计算所述训练识别结果和所述训练数据的预置标准识别结果的损失值,得到训练损失值;

31、利用所述根据所述训练损失值通过反向传播算法调整所述神经网络模型的权重参数和偏置项,重新执行上述利用神经网络模型对所述训练数据进行安全识别,得到训练识别结果的步骤;

32、当执行上述通过反向传播算法调整所述神经网络模型的权重参数和偏置项的步骤达到预设的次数后,利用神经网络模型对所述测试数据进行安全识别,得到测试识别结果;

33、计算所测试识别结果和所述测试数据预置的标准识别结果的损失值,得到测试损失值;

34、若所述测试损失值大于或等于预设的损失值阈值,则重新执行上述通过反向传播算法调整所述神经网络模型的权重参数和偏置项的步骤;

35、若所述测试损失值小于预设的损失值阈值,则模型训练完成,得到安全预警模型。

36、可选地,所述计算所述训练识别结果和所述训练数据的预置标准识别结果的损失值,得到训练损失值,包括:

37、利用如下公式计算所述训练损失值:

38、;

39、其中,表示所述训练数据中第组数据的训练识别结果和所述训练数据的预置标准识别结果的训练损失值,为所述训练识别结果 ,为所述训练数据的预置标准识别结果,表示表示所述训练数据中第组数据的样本数量。

40、可选地,通过预设在地下空间关键区域的扬声器发出安全预警,通知工作人员撤离。

41、为了解决上述问题,本发明还提供一种基于多尺度参量的地下空间关键区域安全预警系统,所述系统包括:

42、数据采集模块,在地下空间关键区域建立包含多个传感器节点的传感器网络,利用所述传感器节点中所包含的传感器获取地下空间关键区域的多尺度参量;

43、数据处理模块,对所述多尺度参量进行标准化处理,得到预处理多尺度参量;

44、特征提取模块,用于对所述预处理多尺度参量进行特征提取,得到多尺度参量特征;

45、安全识别模块,利用预先训练的安全预警模型

46、对所述多尺度参量特征进行数据转换处理,得到特征矩阵,利用所述安全预警模型通过卷积层对所述特征矩阵进行卷积操作,得到卷积特征,利用所述安全预警模型通过池化层对所述卷积特征进行最大池化操作,得到池化特征,利用所述安全预警模型通过全连接层根据所述池化特征计算出异常概率,其中所述利用所述安全预警模型通过全连接层根据所述池化特征计算出异常概率,包括:

47、利用如下公式计算所述异常概率:

48、;

49、其中, 为所述异常结果,为所述安全预警模型的权重参数,为所述池化特征的向量形式,为所述安全预警模型的偏置项,表示sigmoid激活函数;

50、安全预警模块,根据所述异常概率判断地下空间关键区域是否存在安全隐患,若所述地下空间关键区域存在安全隐患,则发出安全预警。

51、本发明实施例通过在地下空间关键区域建立包含多个传感器节点的传感器网络,利用传感器节点中所包含的传感器获取地下空间关键区域的多尺度参量,对多尺度参量进行标准化处理,并提取特征,得到多尺度参量特征,利用预先训练的安全预警模型根据所述多尺度参量特征对地下空间关键区域进行安全识别,得到异常概率,根据所述异常概率的大小判断是否存在安全隐患,若存在安全隐患,则发出安全预警。因此本发明提出的基于多尺度参量的地下空间关键区域安全预警方法系统,可以解决对地下空间关键区域进行事故风险分析的效率低以及准确度无法保障的问题。

本文地址:https://www.jishuxx.com/zhuanli/20241021/319192.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。