用于井下施工现场的监测预警处理系统及方法与流程

本发明涉及井下巷道监测，具体涉及一种用于井下施工现场的监测预警处理系统及方法。

背景技术：

1、井下施工现场环境极其复杂多变，面临多种潜在的安全风险，包括但不限于瓦斯爆炸、顶板塌陷、火灾、有害气体泄漏等。这些风险不仅威胁到施工人员的生命安全，还可能导致生产活动中断，造成巨大的经济损失。因此，实时监测和预警系统在保障施工人员的生命安全和确保生产活动的顺利进行方面显得尤为重要。

2、传统的井下监测预警系统主要依赖于传感器数据的直接采集和简单的数据分析方法。然而，这种系统存在以下几个显著的局限性：

3、每个传感器独立工作，缺乏对多个传感器数据的综合分析。当某一的传感器节点遭遇性能退化、信号失真或是完全失效的情况时，该节点所负责监控的关键参数将无法被有效采集与传输，进而影响到整个监测网络的数据完整性和准确性。同时单一传感器的故障不仅会导致局部信息缺失，还可能引发连锁反应，干扰其他正常运作单元的工作状态评估，甚至造成整个井下监测的可靠性大幅度下降。

4、基于此，急需一种用于井下施工现场的监测预警处理系统及方法，能够解决现有技术中由于部分传感器出现故障的情况下导致局部信息缺失，从而使得整个井下现场监测的可靠性大幅度下降的问题，极大提高了部分传感器出现故障的情况下所对应的井下现场监测的可靠度。

技术实现思路

1、本发明的目的之一在于提供一种用于井下施工现场的监测预警处理系统及方法，能够解决现有技术中由于部分传感器出现故障的情况下导致局部信息缺失，从而使得整个井下现场监测的可靠性大幅度下降的问题，极大提高了部分传感器出现故障的情况下所对应的井下现场监测的可靠度。

2、为了达到上述目的，提供了一种用于井下施工现场的监测预警处理系统，包括服务端和管理端；

3、所述服务端包括：

4、数据采集模块，用于在当前时刻下，对井下巷道内基于预先制定的传感器点位设置方案中某一监测组的各个传感器点位上所布置的各个传感器的传感器数据进行采集；

5、识别模块，用于根据所采集到的传感器数据，以及对应的传感器点位设置方案中的传感器点位数，依次判断当前时刻下各个传感器点位上所对应传感器的传感器数据是否存在异常，若是，则判断对应的传感器为异常传感器，若否，则对应的传感器为正常传感器；直到完成所有传感器的判断，形成各自所对应的异常传感器集和正常传感器集；

6、计算模块，用于根据当前时刻下正常传感器集所对应正常传感器的传感器数据，基于预设的数据关联度选取策略，分别选取出异常传感器集中各个异常传感器各自所对应的数据关联度集合，并基于各个异常传感器所对应的数据关联度集合中的各个数据关联度，以及数据关联度所对应的正常传感器的传感器数据，计算出对应的异常传感器所对应的传感器数据；

7、预测模块，用于在完成所有异常传感器的传感器数据的计算后，调取异常传感器和正常传感器所对应的第一监测预警模型，并将异常传感器所对应的传感器数据，以及正常传感器所对应的传感器数据作为输入数据输入到对应的第一监测预警预测模型，输出当前时刻下井下巷道所对应的第一预测结果；

8、预警模块，用于根据当前时刻下井下巷道所对应的第一预测结果，判断当前时刻下井下巷道是否存在危险，若是，则向管理端发送第一预警信息。

9、本方案的技术原理及效果：在本方案中，首先对当前时刻下的井下巷道内某一监测组所对应的各个传感器点位上的传感器进行传感器数据的采集，然后根据所采集到的传感器数据，以及对应的传感器点位设置方案中的传感器点位数，依次判断当前时刻下各个传感器点位上所对应传感器的传感器数据是否存在异常，通过有这一步实现对异常传感器和正常传感器的区分，自动检测并区分正常与异常的传感器读数。这一过程对于早期发现可能存在的安全隐患至关重要，因为异常数据可能是某些潜在问题的先兆。

10、之后根据当前时刻下正常传感器集所对应正常传感器的传感器数据，基于预设的数据关联度选取策略，分别选取出异常传感器集中各个异常传感器各自所对应的数据关联度集合，并基于各个异常传感器所对应的数据关联度集合中的各个数据关联度，以及数据关联度所对应的正常传感器的传感器数据，计算出对应的异常传感器所对应的传感器数据，通过各个异常传感器各自所对应的数据关联度集合的获取，从而实现对异常传感器的传感器数据的准确计算和补充，提高异常检测的精度。

11、然后在完成所有异常传感器的传感器数据的计算后，调取异常传感器和正常传感器所对应的第一监测预警模型，并将异常传感器所对应的传感器数据，以及正常传感器所对应的传感器数据作为输入数据输入到对应的第一监测预警预测模型，输出当前时刻下井下巷道所对应的第一预测结果；根据当前时刻下井下巷道所对应的第一预测结果，判断当前时刻下井下巷道是否存在危险，若是，则向管理端发送第一预警信息。

12、相比现有技术中在某一的传感器节点遭遇性能退化、信号失真或是完全失效的情况时，该节点所负责监控的关键参数将无法被有效采集与传输，进而影响到整个监测网络的数据完整性和准确性。同时单一传感器的故障不仅会导致局部信息缺失，还可能引发连锁反应，干扰其他正常运作单元的工作状态评估，甚至造成整个井下监测的可靠性大幅度下降，本方案在面对部分传感器出现异常时，通过识别模块和计算模块之间的协同配合，从而实现对发生异常的传感器所对应的传感器数据进行准确的可靠的补充和完善，然后将异常传感器的传感器数据和正常传感器的传感器数据作为输入数据输入到对应的模型中，从而实现对井下现场监测的可靠性的极大提高，确保在部分传感器发生异常时的井下现场监测的可靠度和准确度。即解决了现有技术中由于部分传感器出现故障的情况下导致局部信息缺失，从而使得整个井下现场监测的可靠性大幅度下降的问题，极大提高了部分传感器出现故障的情况下所对应的井下现场监测的可靠度。

13、进一步，所述预设的数据关联度选取策略包括以下步骤：

14、s100、根据当前时刻下正常传感器集和异常传感器集，计算出正常传感器集与异常传感器集之间的传感器数量比；

15、s200、若传感器数量比大于或者等于预设数量比时，则基于上一时刻所对应的分组情况，对正常传感器集中的各个正常传感器进行分组，形成各个传感器组；所述分组情况包括组数以及各个组所对应的传感器；

16、s300、若传感器数量比小于预设数量比，则根据正常传感器集中的各个正常传感器以及上一时刻所对应的组数，对正常传感器集中的各个正常传感器进行随机选取并组合，形成与上一时刻所对应的组数相同的传感器组；

17、s400、根据形成的各个传感器组中的各个传感器，调取异常传感器集中各个异常传感器与各个传感器组中的所有正常传感器之间所对应的数据关联度；

18、s500、获取对应的监测组所在的井下巷道的巷道基本数据以及监测组在井下巷道的安装位置数据，并基于巷道基本数据以及安装位置数据，对调取的数据关联度进行动态调整；

19、s500、根据动态调整后的异常传感器集中各个异常传感器与各个传感器组中的所有正常传感器之间所对应的数据关联度，以及传感器组中所有正常传感器所对应的传感器数据，计算出异常传感器集中各个异常传感器所对应的传感器数据。

20、有益效果：在本方案中，首先通过正常传感器集和异常传感器集之间的传感器数量比的计算，可以知晓在对应的监测组中存在异常的传感器的占比。

21、当若传感器数量比大于或者等于预设数量比时，则基于上一时刻所对应的分组情况，对正常传感器集中的各个正常传感器进行分组，形成各个传感器组；所述分组情况包括组数以及各个组所对应的传感器，充分考虑到在传感器数量比满足预设数量比时，说明传感器损坏的比例比较小，那么在沿用上一时刻的分组时，对应后续的计算结果也是可靠且准确的，基于上一时刻的分组情况进行分组，可以保持传感器分组的连续性和稳定性。这种连续性有助于减少因频繁调整分组带来的不必要干扰，使得系统在处理数据时更加平滑和高效。利用已有分组信息，避免了从头开始重新分组所需的大量计算资源。这不仅节省了时间和计算成本，还提高了系统的响应速度，尤其是在大规模传感器网络中，这一优势尤为明显。继承历史分组信息可以确保同一组内的传感器在不同时间点上的数据具有一致性，便于进行时间序列分析和趋势预测。这对于长期监测和故障诊断非常有利。

22、若传感器数量比小于预设数量比，则根据正常传感器集中的各个正常传感器以及上一时刻所对应的组数，对正常传感器集中的各个正常传感器进行随机选取并组合，形成与上一时刻所对应的组数相同的传感器组；在保证组数与上一时刻相同的情况下，对传感器组内的各个传感器进行随选匹配，增加传感器组的多样性，从而提高系统的抗干扰能力。不同的分组组合有助于发现更多潜在的异常模式，提高异常检测的全面性。防止系统过度依赖某一特定的分组方式，从而避免过拟合问题。这使得系统在面对新的或未见过的数据时，依然能够保持良好的性能。保持与上一时刻相同的分组数，可以确保系统在不同时间段内保持一致的监测密度和覆盖范围。这有助于维持系统的整体平衡，避免因分组数变化导致的监测盲区或冗余。相同的分组数确保了不同时间段内数据的可比性，便于进行跨时段的数据对比和分析。这对于长期趋势分析和历史数据回溯非常有帮助。

23、之后对于每个异常传感器，调取其与各传感器组内所有正常传感器间的数据关联度，例如异常传感器a，传感器组中的正常传感器为a，b，c，那么在对应的数据关联度的调取时就会调取异常传感器a与正常传感器a，b，c之间的关联度，通过量化正常与异常传感器间的相互关系，为后续分析提供基础。

24、然后结合井下巷道的基本数据(如地质结构、通风条件等)及传感器的具体安装位置，对调取的数据关联度进行动态调整，极大提供了调整后的数据关联性的真实性和可靠性，更加符合实际情况。

25、进一步，所述预测模块，还用于调取正常传感器所对应的第二监测预警预测模型，并将正常传感器所对应的传感器数据作为输入数据输入到第二监测预警预测模型中，输出当前时刻下井下巷道所对应的第二预测结果；

26、所述服务端还包括分析模块，用于根据输出的当前时刻下井下巷道所对应的第一预测结果和第二预测结果，基于各个预测结构所对应的权重值，计算出矫正后的最新预测结果；

27、所述预警模块，还用于根据矫正后的最新预测结果，判断当前时刻下井下巷道是否存在危险，若是，则向管理端发送第二预警信息。

28、有益效果：在本方案中，通过结合第一预测结果和第二预测结果，利用正常数据对异常数据进行矫正，有效减少了误报和漏报的概率，显著提高了预测的准确性。这种多模型融合的方法能够更全面地反映井下巷道的实际环境状况。

29、第二预测结果作为独立的验证手段，能够有效检测第一预测结果中的异常情况，增强了系统的鲁棒性和可靠性。这种双重验证机制确保了预测结果的稳定性和可信度。而且通过矫正计算，系统能够有效减少因单一模型误差导致的误报和漏报，提高了系统的整体可靠性。

30、进一步，所述巷道基本数据包括巷道地质数据以及巷道数据，所述巷道数据包括巷道结构数据、巷道支撑数据以及巷道大小数据。

31、进一步，所述服务端还包括：

32、报告制作模块，用于在判断结果为当前时刻下井下巷道存在危险时，根据对应的第一预测结果，生成对应的预警维护报告并反馈给管理端，所述预警维护报告包括当前预警等级，以及对应的维护解决方案。

33、有益效果：当系统判断当前时刻井下巷道存在危险时，报告制作模块能够即时生成预警维护报告，并迅速反馈给管理端。这种即时响应机制极大缩短了从发现风险到采取措施的时间，提高了应急响应的效率，而且预警维护报告不仅包括当前的预警等级，还提供了详细的维护解决方案，使管理人员能够迅速了解具体情况并采取相应措施。

34、本发明还提供了一种用于井下施工现场的监测预警处理方法，使用上述的用于井下施工现场的监测预警处理系统，包括以下步骤：

35、s1、在当前时刻下，对井下巷道内基于预先制定的传感器点位设置方案中某一监测组的各个传感器点位上所布置的各个传感器的传感器数据进行采集；

36、s2、根据所采集到的传感器数据，以及对应的传感器点位设置方案中的传感器点位数，依次判断当前时刻下各个传感器点位上所对应传感器的传感器数据是否存在异常，若是，则判断对应的传感器为异常传感器，若否，则对应的传感器为正常传感器；直到完成所有传感器的判断，形成各自所对应的异常传感器集和正常传感器集；

37、s3、根据当前时刻下正常传感器集所对应正常传感器的传感器数据，基于预设的数据关联度选取策略，分别选取出异常传感器集中各个异常传感器各自所对应的数据关联度集合，并基于各个异常传感器所对应的数据关联度集合中的各个数据关联度，以及数据关联度所对应的正常传感器的传感器数据，计算出对应的异常传感器所对应的传感器数据；

38、s4、在完成所有异常传感器的传感器数据的计算后，调取异常传感器和正常传感器所对应的第一监测预警模型，并将异常传感器所对应的传感器数据，以及正常传感器所对应的传感器数据作为输入数据输入到对应的第一监测预警预测模型，输出当前时刻下井下巷道所对应的第一预测结果；

39、s5、根据当前时刻下井下巷道所对应的第一预测结果，判断当前时刻下井下巷道是否存在危险，若是，则向管理端发送第一预警信息。