基于大数据的矿山安全生产实时监测方法和系统与流程

1.本发明属于矿山安全生产领域，具体涉及一种基于大数据的矿山安全生产实时监测方法和系统。

背景技术：

2.大数据，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

3.矿山主要包括一个或多个采矿车间(或称坑口、矿井、露天采场等)和一些辅助车间，大部分矿山还包括选矿场(洗煤厂)。矿山安全包括矿山安全管理、安全生产技术和职业卫生等内容。

4.目前矿山安全生产监测存在缺陷，在应对安全事故处于被动状态，应急处理能力较差，易出现安全事故，对企业员工及生产造成较大的损失，所以本发明提供一种基于大数据的矿山安全生产实时监测管理方法来解决上述问题。

技术实现要素：

5.为了解决上述问题，本发明提供一种基于大数据的矿山安全生产实时监测方法和系统，以解决上述背景技术中提出的现有的矿山安全生产存在安全隐患时，用数据信息难以将该矿山安全生产情况对其提醒，从而导致安全风险扩大的问题。

6.本发明的技术方案具体如下：

7.一种基于大数据的矿山安全生产实时监测方法，包括：

8.采集和分析信息；

9.判断采集的信息是否安全；若安全，继续接收信息并处理；若不安全，停止接收信息并上传报警。

10.进一步地，分析信息包括采集数据信息关键字。

11.进一步地，判断采集的信息是否安全按以下进行：

12.所述信息平台还包括数据挖掘日志库，其中记录了矿山安全生产态势指标体系，对于体系中的定性和定量指标进行量化和风险等级划分，利用历史矿山安全生产事故中的数据，运用机器学习算法：

13.(p(yk|x)＝p(x|yk)p(yk)p(x)p(yk|x)＝p(x|yk)p(yk)p(x))得到贝叶斯网络模型，具体公式为：

14.p(yk)＝nyk+αn+kαp(yk)＝nyk+αn+kα，(1)

15.n是总的样本个数，k是总的类别个数，nyknyk是类别为ykyk的样本个数，αα是平滑值；

16.p(xi|yk)＝nyk,xi+αnyk+nαp(xi|yk)＝nyk,xi+αnyk+nα，(2)

17.nyknyk是类别为ykyk的样本个数，n是特征的维数，nyk,xinyk,xi是类别为ykyk的

样本中，第i维特征的值是xixi的样本个数，αα是平滑值；

18.通过数据接收分析端监测数据采集端采集的数据，对输入贝叶斯网络模型的数据进行预处理，通过长短记忆神经网络lstm模型对数据采集端的时间序列数据进行预测，将预测的数据输入贝叶斯网络模型中得到未来一段时间内安全状态的变化趋势；

19.根据变化趋势结果按照确定的风险等级阈值区间确定预警等级进行预警；

20.根据贝叶斯网络模型归因推理出的致因节点情况给出警情处置建议。

21.进一步地，建立矿山安全生产态势指标体系具体包括：

22.从矿山安全生产事故中历史案例数据以及井下矿山设备采集系统中进行态势特征要素的提取，并结合相关领域专家经验，建立矿山安全生产态势指标体系；

23.所述矿山安全生产态势指标体系包括矿山瓦斯事故安全态势指标体系、矿山机电事故安全态势指标体系、矿山渗水事故安全态势指标体系及矿山塌方事故安全态势指标体系。

24.进一步地，对输入贝叶斯网络模型的指标数据进行预处理具体包括：剔除错误值，补全缺失值；

25.将预测的指标数据输入贝叶斯网络模型包括：对于部分无法预测的定性指标，将其设为在一段时间范围内保持不变；对于可以预测的指标数据，将其输入贝叶斯网络模型中进行推理。

26.进一步地，设定过滤被认为有安全隐患的数据信息；过滤数据信息的方式包括：

27.将需要过滤的数据信息先接收且不继续传输，并将接收后的要过滤的数据信息分解，将其数据随机打乱并软删除接收内容；

28.或者，将需要过滤的数据信息存在安全隐患的部分修改内容或者删除该部分内容，将数据信息的其他部分继续传输。

29.本发明还涉及基于大数据的矿山安全生产实时监测系统，包括前端平台、云平台大数据中心、服务器和信息平台；

30.前端平台用于设定管理规则、检测平台状态、视频监控及数据展示；

31.云平台大数据中心存储数据信息和收发数据信息，所述云平台大数据中心作为数据共享中心；

32.服务器，与云平台大数据中心连接；

33.信息平台通过服务器与云平台大数据中心进行数据信息传输，信息平台包括数据采集端、数据过滤端和数据接收分析端，所述数据采集端的输出端与数据过滤端的输入端连接，所述数据过滤端的输出端与数据接收分析端的输入端连接，所述数据过滤端、数据接收分析端通过服务器与云平台大数据中心进行数据信息传输；

34.所述数据采集端直接与数据信息对接，数据采集端将数据信息获取，获取的数据信息传输至数据过滤端，数据过滤端对数据信息过滤，所述数据接收分析端对数据信息分析识别，判断数据信息中是否存在安全隐患；

35.所述信息平台还包括数据挖掘日志库，其中记录了矿山安全生产态势指标体系，对于体系中的定性和定量指标进行量化和风险等级划分，利用历史矿山安全生产事故中的数据，运用机器学习算法：

36.(p(yk|x)＝p(x|yk)p(yk)p(x)p(yk|x)＝p(x|yk)p(yk)p(x))得到贝叶斯网络模

型，具体公式为：

37.p(yk)＝nyk+αn+kαp(yk)＝nyk+αn+kα，(1)

38.n是总的样本个数，k是总的类别个数，nyknyk是类别为ykyk的样本个数，αα是平滑值；

39.p(xi|yk)＝nyk,xi+αnyk+nαp(xi|yk)＝nyk,xi+αnyk+nα，(2)

40.nyknyk是类别为ykyk的样本个数，n是特征的维数，nyk,xinyk,xi是类别为ykyk的样本中，第i维特征的值是xixi的样本个数，αα是平滑值；

41.通过数据接收分析端监测数据采集端采集的数据，对输入贝叶斯网络模型的数据进行预处理，通过长短记忆神经网络lstm模型对数据采集端的时间序列数据进行预测，将预测的数据输入贝叶斯网络模型中得到未来一段时间内安全状态的变化趋势；

42.根据变化趋势结果按照确定的风险等级阈值区间确定预警等级进行预警；

43.根据贝叶斯网络模型归因推理出的致因节点情况给出警情处置建议。

44.进一步地，对输入贝叶斯网络模型的指标数据进行预处理具体包括：剔除错误值，补全缺失值。

45.将预测的指标数据输入贝叶斯网络模型包括：对于部分无法预测的定性指标，将其设为在一段时间范围内保持不变；对于可以预测的指标数据，将其输入贝叶斯网络模型中进行推理。

46.进一步地，所述信息平台将数据信息分析判断的结果通过服务器输送至云平台大数据中心，其他信息平台通过云平台大数据中心共享该分析判断的结果，达到警示的效果。

47.进一步地，信息平台还包括预警模块，对被认为有安全隐患的数据信息进行预警。

48.与现有技术相比，本发明的有益效果具体如下：

49.1)实现了对海量原始元日志中蕴藏的矿山安全信息的数据挖掘，当矿山出现安全隐患时，通过大数据共享推送的方式，提前进行预警，避免安全隐患扩大，减少重大故障造成的损失，通过大数据平台合，实现数据服务化、功能组件化和应用积木化，提升了对海量数据的处理能力；

50.2)减少了损失，使得矿山安全生产实时性得到保障。

附图说明

51.为了更清楚地说明本发明实施的技术方案，下面将对实施描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

52.图1为本发明的系统框图；

53.图2为本发明前端平台的结构框图；

54.图3为本发明信息平台的结构框图；

55.图4为本发明模型的示意图；

56.图5为本发明方法的流程图。

具体实施方式

57.下面将结合本技术实施例中的附图，对实施例中的技术方案进行清楚、完整地描

述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

58.除非另外定义，本技术实施例中使用的技术术语或者科学术语应当为所属领域内具有一般技能的人士所理解的通常意义。本实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。“上”、“下”、“左”、“右”、“横”以及“竖”等仅用于相对于附图中的部件的方位而言的，这些方向性术语是相对的概念，它们用于相对于的描述和澄清，其可以根据附图中的部件所放置的方位的变化而相应地发生变化。

59.如图1所示，本实施例的基于大数据的矿山安全生产实时监测系统，包括前端平台、云平台大数据中心、服务器和信息平台。

60.如图2所示，前端平台用于设定管理规则、状态平台检测、视频监控及数据展示。对应的模块均为现有的装置或程序。

61.云平台大数据中心存储数据信息和收发数据信息，所述云平台大数据中心作为数据共享中心。服务器与云平台大数据中心建立连接。

62.信息平台与服务器建立连接，信息平台通过服务器与云平台大数据中心进行数据信息传输。

63.如图3所示，所述信息平台包括数据采集端、数据过滤端和数据接收分析端，所述数据采集端的输出端与数据过滤端的输入端连接，所述数据过滤端的输出端与数据接收分析端的输入端连接，数据过滤端、数据接收分析端通过服务器与云平台大数据中心进行数据信息传输。

64.数据采集端直接与数据信息对接，数据采集端将数据信息获取，获取的数据信息传输至数据过滤端，数据过滤端对数据信息过滤，所述数据接收分析端对数据信息分析识别，判断数据信息中是否存在安全隐患。

65.所述信息平台还包括数据挖掘日志库，其中记录了矿山安全生产态势指标体系，对于体系中的定性和定量指标进行量化和风险等级划分，利用历史矿山安全生产事故中的数据，运用机器学习算法：

66.(p(yk|x)＝p(x|yk)p(yk)p(x)p(yk|x)＝p(x|yk)p(yk)p(x))得到贝叶斯网络模型，具体公式为：

67.(1)：p(yk)＝nyk+αn+kαp(yk)＝nyk+αn+kα，n是总的样本个数，k是总的类别个数，nyknyk是类别为ykyk的样本个数，αα是平滑值；

68.(2)：p(xi|yk)＝nyk,xi+αnyk+nαp(xi|yk)＝nyk,xi+αnyk+nα，nyknyk是类别为ykyk的样本个数，n是特征的维数，nyk,xinyk,xi是类别为ykyk的样本中，第i维特征的值是xixi的样本个数，αα是平滑值。

69.通过数据接收分析端监测数据采集端采集的数据，对输入贝叶斯网络模型的数据进行预处理，通过长短记忆神经网络lstm模型对数据采集端的时间序列数据进行预测，将

预测的数据输入贝叶斯网络模型中得到未来一段时间内安全状态的变化趋势；根据变化趋势结果按照确定的风险等级阈值区间确定预警等级进行预警；根据贝叶斯网络模型归因推理出的致因节点情况给出警情处置建议。

70.建立矿山安全生产态势指标体系具体包括：从矿山安全生产事故中历史案例数据以及井下矿山设备采集系统中进行态势特征要素的提取，并结合相关领域专家经验，建立矿山安全生产态势指标体系。

71.矿山安全生产态势指标体系包括矿山瓦斯事故安全态势指标体系、矿山机电事故安全态势指标体系、矿山渗水事故安全态势指标体系及矿山塌方事故安全态势指标体系。

72.对输入贝叶斯网络模型的指标数据进行预处理具体包括：剔除错误值，补全缺失值。

73.将预测的指标数据输入贝叶斯网络模型包括：对于部分无法预测的定性指标，将其设为在一段时间范围内保持不变；对于可以预测的指标数据，将其输入贝叶斯网络模型中进行推理。

74.若存在关联，则认为该数据信息为被认为有安全隐患的数据信息；若不存在关联，则认为该数据信息为被认为无安全隐患的数据信息；信息平台将数据信息分析判断的结果通过服务器输送至云平台大数据中心，其他信息平台能够通过云平台大数据中心共享该分析判断的结果，达到警示的效果。

75.信息平台包括预警模块，经过数据接收分析端对数据信息分析将数据信息分为数据信息m1和数据信息n1，且数据信息m1和数据信息n1分别为被认为存在安全隐患的数据信息、被认为无安全隐患的数据信息。数据信息m1和数据信息n1通过服务器发送到云平台大数据中心，所述云平台大数据中心将该数据信息m1和数据信息n1分享到其他的信息平台，其他的信息平台能够识别数据信息m1和数据信息n1，并设定过滤被认为有风险的数据信息。

76.数据过滤端过滤数据信息的方式包括以下两种：

77.第一种：将需要过滤的数据信息先接收且不继续传输，并将接收后的要过滤的数据信息分解，将其数据打乱并删除接收内容；

78.第二种：将需要过滤的数据信息存在风险的部分修改内容或者删除该部分内容，将数据信息的其他部分继续传输。

79.需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。

80.如图5所示，基于上述装置，本实施例还涉及矿山安全生产实时监测方法，按以下进行：

81.采集和分析信息；判断采集的信息是否安全；若安全，继续接收信息并处理；若不安全，停止接收信息并上传报警。

82.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或

部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在可读存储介质中，或者从一个可读存储介质向另一个可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。

83.可选的，本技术实施例还提供一种存储介质，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行如上述所示实施例的方法。

84.可选的，本技术实施例还提供一种运行指令的芯片，所述芯片用于执行上述所示实施例的方法。

85.本技术实施例还提供一种程序产品，所述程序产品包括计算机程序，所述计算机程序存储在存储介质中，至少一个处理器可以从所述存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序时可实现上述实施例的方法。

86.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。技术特征：

1.一种基于大数据的矿山安全生产实时监测方法，其特征在于：包括：采集和分析信息；判断采集的信息是否安全；若安全，继续接收信息并处理；若不安全，停止接收信息并上传报警。2.根据权利要求1所述的矿山安全生产实时监测方法，其特征在于：分析信息包括采集数据信息关键字。3.根据权利要求1所述的矿山安全生产实时监测方法，其特征在于：判断采集的信息是否安全按以下进行：所述信息平台还包括数据挖掘日志库，其中记录了矿山安全生产态势指标体系，对于体系中的定性和定量指标进行量化和风险等级划分，利用历史矿山安全生产事故中的数据，运用机器学习算法：(p(yk|x)＝p(x|yk)p(yk)p(x)p(yk|x)＝p(x|yk)p(yk)p(x))得到贝叶斯网络模型，具体公式为：p(yk)＝nyk+αn+kαp(yk)＝nyk+αn+kα，(1)n是总的样本个数，k是总的类别个数，nyknyk是类别为ykyk的样本个数，αα是平滑值；p(xi|yk)＝nyk,xi+αnyk+nαp(xi|yk)＝nyk,xi+αnyk+nα，(2)nyknyk是类别为ykyk的样本个数，n是特征的维数，nyk,xinyk,xi是类别为ykyk的样本中，第i维特征的值是xixi的样本个数，αα是平滑值；通过数据接收分析端监测数据采集端采集的数据，对输入贝叶斯网络模型的数据进行预处理，通过长短记忆神经网络lstm模型对数据采集端的时间序列数据进行预测，将预测的数据输入贝叶斯网络模型中得到未来一段时间内安全状态的变化趋势；根据变化趋势结果按照确定的风险等级阈值区间确定预警等级进行预警；根据贝叶斯网络模型归因推理出的致因节点情况给出警情处置建议。4.根据权利要求3所述的矿山安全生产实时监测方法，其特征在于：建立矿山安全生产态势指标体系具体包括：从矿山安全生产事故中历史案例数据以及井下矿山设备采集系统中进行态势特征要素的提取，并结合相关领域专家经验，建立矿山安全生产态势指标体系；所述矿山安全生产态势指标体系包括矿山瓦斯事故安全态势指标体系、矿山机电事故安全态势指标体系、矿山渗水事故安全态势指标体系及矿山塌方事故安全态势指标体系。5.根据权利要求3所述的矿山安全生产实时监测方法，其特征在于：对输入贝叶斯网络模型的指标数据进行预处理具体包括：剔除错误值，补全缺失值；将预测的指标数据输入贝叶斯网络模型包括：对于部分无法预测的定性指标，将其设为在一段时间范围内保持不变；对于可以预测的指标数据，将其输入贝叶斯网络模型中进行推理。6.根据权利要求3所述的矿山安全生产实时监测方法，其特征在于：设定过滤被认为有安全隐患的数据信息；过滤数据信息的方式包括：将需要过滤的数据信息先接收且不继续传输，并将接收后的要过滤的数据信息分解，将其数据随机打乱并软删除接收内容；或者，将需要过滤的数据信息存在安全隐患的部分修改内容或者删除该部分内容，将

数据信息的其他部分继续传输。7.一种基于大数据的矿山安全生产实时监测系统，其特征在于：包括前端平台、云平台大数据中心、服务器和信息平台；前端平台用于设定管理规则、检测平台状态、视频监控及数据展示；云平台大数据中心存储数据信息和收发数据信息，所述云平台大数据中心作为数据共享中心；服务器，与云平台大数据中心连接；信息平台通过服务器与云平台大数据中心进行数据信息传输，信息平台包括数据采集端、数据过滤端和数据接收分析端，所述数据采集端的输出端与数据过滤端的输入端连接，所述数据过滤端的输出端与数据接收分析端的输入端连接，所述数据过滤端、数据接收分析端通过服务器与云平台大数据中心进行数据信息传输；所述数据采集端直接与数据信息对接，数据采集端将数据信息获取，获取的数据信息传输至数据过滤端，数据过滤端对数据信息过滤，所述数据接收分析端对数据信息分析识别，判断数据信息中是否存在安全隐患；所述信息平台还包括数据挖掘日志库，其中记录了矿山安全生产态势指标体系，对于体系中的定性和定量指标进行量化和风险等级划分，利用历史矿山安全生产事故中的数据，运用机器学习算法：(p(yk|x)＝p(x|yk)p(yk)p(x)p(yk|x)＝p(x|yk)p(yk)p(x))得到贝叶斯网络模型，具体公式为：p(yk)＝nyk+αn+kαp(yk)＝nyk+αn+kα，(1)n是总的样本个数，k是总的类别个数，nyknyk是类别为ykyk的样本个数，αα是平滑值；p(xi|yk)＝nyk,xi+αnyk+nαp(xi|yk)＝nyk,xi+αnyk+nα，(2)nyknyk是类别为ykyk的样本个数，n是特征的维数，nyk,xinyk,xi是类别为ykyk的样本中，第i维特征的值是xixi的样本个数，αα是平滑值；通过数据接收分析端监测数据采集端采集的数据，对输入贝叶斯网络模型的数据进行预处理，通过长短记忆神经网络lstm模型对数据采集端的时间序列数据进行预测，将预测的数据输入贝叶斯网络模型中得到未来一段时间内安全状态的变化趋势；根据变化趋势结果按照确定的风险等级阈值区间确定预警等级进行预警；根据贝叶斯网络模型归因推理出的致因节点情况给出警情处置建议。8.根据权利要求7所述的矿山安全生产实时监测系统，其特征在于：对输入贝叶斯网络模型的指标数据进行预处理具体包括：剔除错误值，补全缺失值；将预测的指标数据输入贝叶斯网络模型包括：对于部分无法预测的定性指标，将其设为在一段时间范围内保持不变；对于可以预测的指标数据，将其输入贝叶斯网络模型中进行推理。9.根据权利要求7所述的矿山安全生产实时监测系统，其特征在于：所述信息平台将数据信息分析判断的结果通过服务器输送至云平台大数据中心，其他信息平台通过云平台大数据中心共享该分析判断的结果，达到警示的效果。10.根据权利要求7所述的矿山安全生产实时监测系统，其特征在于：信息平台还包括预警模块，对被认为有安全隐患的数据信息进行预警。

技术总结

本发明涉及一种基于大数据的矿山安全生产实时监测方法和系统，该方法包括：采集和分析信息；判断采集的信息是否安全；若安全，继续接收信息并处理；若不安全，停止接收信息并上传报警。本发明通过大数据共享推送的方式，能够及时的发现安全隐患和解决问题，避免安全隐患扩大；减少了损失，使得矿山安全生产实时性得到保障。得到保障。得到保障。

技术研发人员：巫乔顺 白建民 邝昌云 许斌 许燕梅 王化 戴骥 马云东

受保护的技术使用者：云南昆钢电子信息科技有限公司

技术研发日：2021.06.29

技术公布日：2021/11/16