【技術實現步驟摘要】
本專利技術涉及數據監控，具體為一種煤礦業多維度數據實時監控與異常定位方法及系統。
技術介紹
1、隨著煤礦開采技術的不斷發展，煤礦作業環境中的數據采集和監控系統已經成為保障安全生產的重要手段。現有技術中，煤礦監控系統多以單維度或有限維度的數據采集與監測為主，如對環境參數(如溫度、濕度和氣體濃度)的監測，或設備狀態的單一監控。這些系統雖然能夠在一定程度上提高煤礦作業的安全性，但由于數據采集和分析維度的限制，常常無法全面反映煤礦作業的整體情況，尤其是在面對復雜的異常情況時，現有監控系統的準確性和響應速度都較為有限。
2、現有的煤礦監控系統還存在一些不足之處。首先，數據孤立處理問題較為突出，不同維度數據之間的關聯性未能得到充分挖掘，導致系統對異常情況的感知能力有限。其次，許多系統僅能檢測到異常，但缺乏對異常來源的精準定位，無法為后續的應急處理提供有力的決策支持。此外，現有系統在數據預處理方面的靈活性和準確性不足，面對多維數據的融合與分析時，常常存在數據冗余或信息丟失的問題。這些缺陷直接影響了煤礦安全生產的監控效果。
技術實現思路
1、鑒于上述存在的問題，提出了本專利技術。
2、因此，本專利技術解決的技術問題是：現有技術數據孤立處理問題較為突出，不同維度數據之間的關聯性未能得到充分挖掘，導致系統對異常情況的感知能力有限。許多系統僅能檢測到異常，但缺乏對異常來源的精準定位，無法為后續的應急處理提供有力的決策支持。此外，現有系統在數據預處理方面的靈活性和準確性不足，面對多
3、為解決上述技術問題，本專利技術提供如下技術方案：一種煤礦業多維度數據實時監控與異常定位方法，包括：采集煤礦作業中的實時數據，進行預處理。
4、對預處理后的數據進行維度構建，對不同維度的數據進行融合，形成多維數據。
5、將多維數據輸入異常檢測模型，對異常數據進行回溯分析。
6、根據檢測到的異常和回溯分析，進行異常處理與響應。
7、作為本專利技術所述的煤礦業多維度數據實時監控與異常定位方法的一種優選方案，其中：所述采集煤礦作業中的實時數據，進行預處理包括，采集環境數據、設備數據、操作數據。
8、環境數據包括溫度、濕度、氣體濃度，設備數據包括振動頻率、功率、轉速，操作數據包括操作時間、操作模式。
9、預處理包括缺失值處理、異常值處理、數據標準化。
10、對于數值型數據使用缺失處前后數據的平均值填補，對于時間序列數據采用線性插值法填補數據。
11、異常值處理使用z分數法，計算每個數據點的z分數，表示為：
12、
13、其中，x表示當前數據點，μ表示數據均值，σ表示標準差。
14、當z分數超過異常閾值，視為異常數據進行丟棄。
15、數據標準化表示為：
16、
17、其中，xi′表示標準化后的數據，xi表示原始數據，xmin表示數據中的最小值，xmax表示數據中的最大值。
18、作為本專利技術所述的煤礦業多維度數據實時監控與異常定位方法的一種優選方案，其中：所述對預處理后的數據進行維度構建包括，對數據分類為三種維度，包括設備維度、環境維度、操作維度。
19、設備維度包括設備狀態維度和設備性能維度。
20、設備狀態維度描述煤礦設備的運行狀態，包括振動頻率、功率、轉速，表示為：
21、dstatus＝[f,p,n]
22、其中，dstatus表示設備狀態向量，f表示設備振動頻率，p表示設備功率，n表示設備轉速。
23、設備性能維度描述設備的性能指標，包括效率、故障率，表示為：
24、dperformance＝[η,λ]
25、其中，dperformance表示設備性能向量，η表示設備效率，λ表示故障率。
26、環境維度包括環境狀態維度，描述煤礦作業區的環境數據，包括溫度、濕度和氣體濃度，表示為：
27、
28、其中，estatus表示環境狀態向量，t表示溫度，h表示濕度，表示甲烷濃度，表示二氧化碳濃度。
29、操作維度包括操作行為維度，描述煤礦作業過程中的操作行為數據，包括操作時間、操作模式，表示為：
30、obehavior＝[top,mop]
31、其中，obehavior表示操作行為向量，top表示操作時間，mop表示操作模式。
32、作為本專利技術所述的煤礦業多維度數據實時監控與異常定位方法的一種優選方案，其中：所述對不同維度的數據進行融合，形成多維數據包括，為了解不同維度之間的關聯性，對不同維度向量進行相關性分析，計算各維度之間的相關矩陣，表示為：
33、r＝[rij]
34、
35、其中，r表示相關矩陣，描述不同維度數據之間的線性相關性。rij表示第i維度和第j維度之間的相關系數，xik表示維度i在第k個數據點的值，xjk表示維度j在第k個數據點的值，μi表示維度i的均值，μj表示維度j的均值。
36、通過主成分分析法，從不同維度的數據中提取出主要的特征。從設備狀態、環境狀態和操作行為這三個維度中提取出主要的特征向量。
37、計算數據的協方差矩陣，表示為：
38、
39、其中，c表示數據的協方差矩陣，xk表示數據向量，μ表示均值向量，表示轉置矩陣。
40、對協方差矩陣c進行特征值分解，得到特征值和對應的特征向量，選取最大特征值對應的特征向量作為主要特征。
41、構建主成分向量p，將主要特征向量作為融合數據的基礎。
42、在融合數據之前，為增強特征的代表性，對提取出的主成分進行非線性變換，進行sigmoid變換表示為：
43、
44、其中，y表示經過變換的主成分，pi表示第i個提取出的主成分。
45、最終通過線性組合和非線性激活的方式，將各個維度提取的主成分向量融合，生成多維數據，表示為：
46、f＝relu(w1pdevice+w2penvironment+w3poperation)
47、其中，f表示融合特征向量，w1表示設備狀態主成分向量權重，pdevice表示設備狀態主成分向量，w2表示環境狀態主成分向量權重，penvironment表示環境狀態主成分向量，w3表示操作行為主成分向量權重，poperation表示操作行為主成分向量，relu表示激活函數。
48、作為本專利技術所述的煤礦業多維度數據實時監控與異常定位方法的一種優選方案，其中：所述將多維數據輸入異常檢測模型包括，異常檢測模型包括編碼器、解碼器、分類器和注意力回溯分析模塊。
49、編碼器和解碼器用于對數據進行壓縮和重構，分類器進行異常檢測，而注意本文檔來自技高網...
【技術保護點】
1.一種煤礦業多維度數據實時監控與異常定位方法，其特征在于，包括：
2.如權利要求1所述的煤礦業多維度數據實時監控與異常定位方法，其特征在于：所述采集煤礦作業中的實時數據，進行預處理包括，采集環境數據、設備數據、操作數據；
3.如權利要求2所述的煤礦業多維度數據實時監控與異常定位方法，其特征在于：所述對預處理后的數據進行維度構建包括，對數據分類為三種維度，包括設備維度、環境維度、操作維度；
4.如權利要求3所述的煤礦業多維度數據實時監控與異常定位方法，其特征在于：所述對不同維度的數據進行融合，形成多維數據包括，為了解不同維度之間的關聯性，對不同維度向量進行相關性分析，計算各維度之間的相關矩陣，表示為：
5.如權利要求4所述的煤礦業多維度數據實時監控與異常定位方法，其特征在于：所述將多維數據輸入異常檢測模型包括，異常檢測模型包括編碼器、解碼器、分類器和注意力回溯分析模塊；
6.如權利要求5所述的煤礦業多維度數據實時監控與異常定位方法，其特征在于：所述對異常數據進行回溯分析包括，對輸出結果為異常的數據進一步分析，引入注意力機
7.如權利要求6所述的煤礦業多維度數據實時監控與異常定位方法，其特征在于：所述根據檢測到的異常和回溯分析，進行異常處理與響應包括，根據異常數據點所屬的維度，對異常引發的風險進行評估，根據風險評估結果，采取相應的響應措施，在采取應急措施后，對系統進行持續監控，確保異常情況得到有效控制，對已處理的異常進行記錄和分析，為后續的系統優化和預防措施提供參考。
8.一種采用如權利要求1-7任一所述方法的一種煤礦業多維度數據實時監控與異常定位系統，其特征在于：
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。
...【技術特征摘要】
1.一種煤礦業多維度數據實時監控與異常定位方法，其特征在于，包括：
2.如權利要求1所述的煤礦業多維度數據實時監控與異常定位方法，其特征在于：所述采集煤礦作業中的實時數據，進行預處理包括，采集環境數據、設備數據、操作數據；
3.如權利要求2所述的煤礦業多維度數據實時監控與異常定位方法，其特征在于：所述對預處理后的數據進行維度構建包括，對數據分類為三種維度，包括設備維度、環境維度、操作維度；
4.如權利要求3所述的煤礦業多維度數據實時監控與異常定位方法，其特征在于：所述對不同維度的數據進行融合，形成多維數據包括，為了解不同維度之間的關聯性，對不同維度向量進行相關性分析，計算各維度之間的相關矩陣，表示為：
5.如權利要求4所述的煤礦業多維度數據實時監控與異常定位方法，其特征在于：所述將多維數據輸入異常檢測模型包括，異常檢測模型包括編碼器、解碼器、分類器和注意力回溯分析模塊；
6.如權利要求5所述的煤礦業多維度數據實時監控與異常定位方法，其特征在于：所述對異常...
【專利技術屬性】
技術研發人員：王猛，錢俊鳳，紀元，袁捷，黃莉雅，楊濡蔓，白雪，付鋆，吳方權，舒彧，楊箴，陸岫昶，李雄，閆光緒，易也，熊緯綺，
申請(專利權)人：貴州電網有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。