[發(fā)明專利]一種非煤礦山安全生產(chǎn)風(fēng)險預(yù)測預(yù)警平臺

在審

• 申請?zhí)枺?/td>: 201811574195.5
• 申請日: 2018-12-21
• 公開（公告）號: CN109636055A
• 公開（公告）日: 2019-04-16
• 發(fā)明（設(shè)計(jì)）人: 陳友良;張興凱;李全明;梁玉霞;覃璇;劉毅;劉巖;胡家國;付士根;王慶;趙甫
• 申請（專利權(quán)）人: 中國安全生產(chǎn)科學(xué)研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/02;G06Q50/26
• 代理公司: 北京盛凡智榮知識產(chǎn)權(quán)代理有限公司 11616
• 代理人: 王勇

1.一種非煤礦山安全生產(chǎn)風(fēng)險預(yù)測預(yù)警平臺，其特征在于：包括數(shù)據(jù)采集模塊、數(shù)據(jù)ETL處理模塊和數(shù)據(jù)預(yù)測模塊及預(yù)警模塊；所述數(shù)據(jù)采集模塊將采集到的需要進(jìn)行分析的非煤礦山生產(chǎn)指標(biāo)數(shù)據(jù)傳輸至所述數(shù)據(jù)ETL處理模塊處理后，處理后的指標(biāo)數(shù)據(jù)傳輸至所述數(shù)據(jù)預(yù)測模塊，由所述數(shù)據(jù)預(yù)測模塊根據(jù)接收到的數(shù)據(jù)進(jìn)行安全生產(chǎn)風(fēng)險預(yù)測，并將預(yù)測結(jié)果傳輸至所述預(yù)警模塊內(nèi)，實(shí)現(xiàn)對非煤礦山安全生產(chǎn)的風(fēng)險預(yù)測和預(yù)警。

2.如權(quán)利要求1所述預(yù)警平臺，其特征在于：所述數(shù)據(jù)ETL處理模塊用于對數(shù)據(jù)采集模塊傳輸至的指標(biāo)數(shù)據(jù)進(jìn)行缺失值處理、異常值處理和數(shù)據(jù)標(biāo)準(zhǔn)化預(yù)處理；并選擇部分預(yù)處理后的數(shù)據(jù)進(jìn)行ETL處理，得到訓(xùn)練樣本集；同時，實(shí)時抽取預(yù)處理后的數(shù)據(jù)作為待識別樣本數(shù)據(jù)。

3.如權(quán)利要求2所述預(yù)警平臺，其特征在于：所述缺失值處理是針對每一個具體指標(biāo)，指定其對應(yīng)的缺失值處理方法；缺失值處理方法包括缺失值以默認(rèn)值填充、缺失值以平均值填充、缺失值以中位數(shù)填充、缺失值以眾數(shù)填充、缺失值以自定義方式填充和忽略包含缺失值的數(shù)據(jù)記錄。

4.如權(quán)利要求2所述預(yù)警平臺，其特征在于：所述異常值處理是針對每一個具體指標(biāo)，指定其對應(yīng)的異常值處理方法；異常值處理方法包括將異常值替換為默認(rèn)值和忽略包含異常值的數(shù)據(jù)記錄。

5.如權(quán)利要求1所述預(yù)警平臺，其特征在于：所述數(shù)據(jù)預(yù)測模塊對接收到的數(shù)據(jù)進(jìn)行安全生產(chǎn)風(fēng)險預(yù)測的方法為：對待分析監(jiān)測指標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理后，利用訓(xùn)練數(shù)據(jù)，通過線性回歸預(yù)測模型、BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型和回歸樹預(yù)測模型建立預(yù)測模型；然后利用測試數(shù)據(jù)對生成的訓(xùn)練模型進(jìn)行評估，選擇誤差最小的模型作為最優(yōu)預(yù)測模型，利用最優(yōu)預(yù)測模型對目標(biāo)進(jìn)行預(yù)測預(yù)警。

6.如權(quán)利要求1所述預(yù)警平臺，其特征在于：所述預(yù)警模塊用于對非煤礦山安全生產(chǎn)和風(fēng)險監(jiān)測數(shù)據(jù)進(jìn)行預(yù)測預(yù)警分析，包括指標(biāo)趨勢分析、聚類分析、時序分析、影響因素分析、相關(guān)性分析和隱患分類。

7.如權(quán)利要求6所述預(yù)警平臺，其特征在于：所述時序分析方法為：將待分析監(jiān)測指標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理后，利用多種時序分析方法進(jìn)行時序分析，選出最優(yōu)的時序分析方法及參數(shù)設(shè)置，得到最優(yōu)時序分析預(yù)測結(jié)果；其中，最優(yōu)的時序分析方法采用指數(shù)平滑法。

8.如權(quán)利要求6所述預(yù)警平臺，其特征在于：所述指標(biāo)趨勢分析方法為：將待分析監(jiān)測指標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理后，利用預(yù)處理后產(chǎn)生的數(shù)據(jù)，通過信息增益方法確定各因素對關(guān)鍵指標(biāo)的重要程度；其中，信息增益方法是要找出一個屬性R，這個屬性R分裂前后的信息增益要比其他屬性大。

9.如權(quán)利要求6所述預(yù)警平臺，其特征在于：所述相關(guān)性分析方法為：將待分析監(jiān)測指標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理后，計(jì)算各指標(biāo)之間相關(guān)系數(shù)；

通過以下相關(guān)系數(shù)絕對值的取值范圍來判斷變量間的相關(guān)強(qiáng)度：

0.8-1.0極強(qiáng)相關(guān)；0.6-0.8強(qiáng)相關(guān)；0.4-0.6中等程度相關(guān)；0.2-0.4弱相關(guān)；0.0-0.2極弱相關(guān)或無相關(guān)。

10.如權(quán)利要求6所述預(yù)警平臺，其特征在于：所述隱患分類方法為：采集整理隱患數(shù)據(jù)并對其進(jìn)行數(shù)據(jù)預(yù)處理：包括類別選擇、數(shù)據(jù)均衡；然后進(jìn)行分詞處理并利用深度學(xué)習(xí)方法得到詞向量模型；利用詞向量模型計(jì)算每條隱患數(shù)據(jù)的隱患向量，進(jìn)而利用隱患向量訓(xùn)練得到隱患分類模型，由隱患分類模型進(jìn)行隱患分類；

詞向量模型是將詞表征為實(shí)數(shù)值向量的一種高效的算法模型，采用的詞向量生成方法為Word2vec；

隱患向量的計(jì)算：對所有隱患描述詞向量進(jìn)行疊加，從而得到隱患描述對應(yīng)的隱患向量；

隱患分類模型是對隱患數(shù)據(jù)進(jìn)行分類：采用決策樹算法中的C4.5算法進(jìn)行分類。