[發明專利]基于改進的K-Means聚類的煤礦安全評價系統

有效

• 申請號: 201410041849.3
• 申請日: 2014-01-29
• 公開（公告）號: CN103729798B
• 公開（公告）日: 2017-01-11
• 發明（設計）人: 劉永利;付麗麗;郝麗靜;王建芳;劉靜
• 申請（專利權）人: 河南理工大學
• 主分類號: G06Q50/02
• 分類號: G06Q50/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于煤礦安全領域。

?

背景技術

煤炭生產是一個多工序、多環節的綜合性過程，而且煤礦生產過程復雜、環境惡劣，常常受到水、火、瓦斯、煤塵和冒頂等各種災害事故的威脅。因此，煤礦安全問題一直是產業安全中一個尤為重要的問題。

對礦井的安全狀況進行準確、全面評估是煤礦生產過程中非常關鍵的環節。煤礦礦井的安全狀況受多個因素影響，如通風安全監控、瓦斯和粉塵防治、井下爆破安全、礦井防冒頂、礦井防透水等。研究這些因素之間的組合關系對礦井安全狀況的影響，就可以采取合理的防范措施以降低生產中的安全風險，確保安全生產。

?

發明內容

基于上述各因素之間的相關性，本發明提出了一種基于改進K-Means算法的煤礦安全評價系統，對煤炭企業所屬礦井安全評價指標結果進行分析。在煤礦安全管理中需要對通風安全監控、運輸和提升、瓦斯和粉塵防治等多個因素進行綜合考慮，在本系統中，針對煤礦安全管理中的通風安全監控、運輸和提升、瓦斯和粉塵防治、礦井防火、井下爆破安全、礦井防冒頂、礦井防透水等7個因素進行綜合分析，分析后的評價結論可以為煤礦企業的安全管理決策提供技術依據。

一種基于改進K-Means算法的煤礦安全評價系統，包括礦井安全數據輸入模塊、基于改進的K-Means聚類的數據分析模塊、結果輸出模塊；礦井安全數據輸入模塊接收用戶提交的礦井安全狀態數據，基于改進的K-Means聚類的數據分析模塊根據礦井安全狀態數據，采用改進的K-Means聚類方法進行數據分析，結果輸出模塊顯示數據分析的結果。

優選的，基于改進的K-Means聚類的數據分析模塊采用以下方法進行聚類：

(1)數據準備：將第????????????????????????????????????????????????個礦井表示為向量形式，其中分別表示礦井的通風安全監控數值、運輸和提升數值、瓦斯和粉塵防治數值、礦井防火數值、井下爆破安全數值、礦井防冒頂數值、礦井防透水數值，得到N個礦井所對應的向量，將其記錄為一個礦井向量空間，其中1≤i≤N，i為自然數，N為礦井個數。

(2)對數據使用改進的K-Means算法：針對N個礦井向量使用改進的K-Means聚類算法進行聚類，步驟如下：

1)使用余弦定理計算礦井向量空間中兩兩之間的余弦相似度，即，確定任意兩個礦井向量之間的相似度，其中1≤i≤N，1≤j≤N，i和j均為自然數。

相似度評價標準為：兩條礦井向量之間夾角的余弦值越接近于1，則這兩個礦井安全評價數值的相似度越高；如果兩條礦井向量之間夾角的余弦值越接近于0，則這兩個礦井安全評價數值之間的相似度越低。

2)設置密度半徑Eps，計算礦井向量空間中各個礦井向量的密度。其中密度半徑Eps采用自適應方法產生，步驟如下：

考慮到人們期望樣本的最大密度應該等于或者小于一個類中樣本點的個數，用N/k得到一個類中的近似平均樣本數，乘以一個系數（例如0.8或0.5)，使得最大密度控制在和之間，其中k為聚類的簇數目。

賦給Eps一個初始值，然后計算礦井向量空間中各個樣本的密度，如果最大密度大于，則將Eps減去一個固定值（例如0.05)，如果最大密度小于，則將Eps加上一個固定值，然后再次計算各個樣本的密度，直至最大密度控制在和之間時結束。此時得到的Eps值為最終的Eps值。以該Eps值為密度半徑計算并記錄礦井向量空間中各個礦井向量的密度。

3)找出礦井向量空間中密度最大的樣本點，記為a_q，并將其加入到數據集合A_q中，并將其從礦井向量空間中刪除。

4)根據中各個礦井向量與向量空間U中各個礦井向量之間的相似度，將向量空間U中與中樣本相似度最高的樣本加入到集合中去，同時將該樣本從礦井向量空間U中刪除，直到中的樣本個數不少于某一給定閾值，該閾值一般用β×N/k表示.其中0<β<1。