CN116502065B - 一种基于矿山风险监测的数据采集与数据共享方法及*** - Google Patents

一种基于矿山风险监测的数据采集与数据共享方法及*** Download PDF

Info

Publication number
CN116502065B
CN116502065B CN202310321934.4A CN202310321934A CN116502065B CN 116502065 B CN116502065 B CN 116502065B CN 202310321934 A CN202310321934 A CN 202310321934A CN 116502065 B CN116502065 B CN 116502065B
Authority
CN
China
Prior art keywords
data
risk
data acquisition
sub
network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310321934.4A
Other languages
English (en)
Other versions
CN116502065A (zh
Inventor
付士根
彭永飞
陈友良
褚衍玉
田向亮
张世奇
高国伟
陈爽
李天佑
贾雨川
胡晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangxi Provincial Safety Risk Monitoring And Warning Center
China Academy of Safety Science and Technology CASST
Original Assignee
Jiangxi Provincial Safety Risk Monitoring And Warning Center
China Academy of Safety Science and Technology CASST
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangxi Provincial Safety Risk Monitoring And Warning Center, China Academy of Safety Science and Technology CASST filed Critical Jiangxi Provincial Safety Risk Monitoring And Warning Center
Priority to CN202310321934.4A priority Critical patent/CN116502065B/zh
Publication of CN116502065A publication Critical patent/CN116502065A/zh
Application granted granted Critical
Publication of CN116502065B publication Critical patent/CN116502065B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于矿山风险监测的数据采集与数据共享方法，包括：管理平台发出数据采集指令；构建数据采集网络并划分n个子网络，并每个子网络按照风险指标设置多个数据采集点，每个数据采集点连接若干个数据采集设备，每个数据采集设备根据数据采集指令分别对相应的风险指标进行数据采集；根据数据的格式对采集到的数据进行预处理，得到标准化数据并存储；对标准化数据的标识，得到标识数据并进行共享。本发明还提供一种基于矿山风险监测的数据采集与数据共享***。本发明构建金字塔式的数据采集网络并对应的风险评估模型分别对应进行风险评估，根据风险评估采用矩阵距离和权重相结合进行风险预警。

Description

一种基于矿山风险监测的数据采集与数据共享方法及***
技术领域
本发明涉及计算机数据处理技术领域，特别涉及一种基于矿山风险监测的数据采集与数据共享方法及***。
背景技术
目前，矿山需要监测数据比较多，而且对矿山监测数据都相互独立，存在着相互不连通的信息孤岛，数据没有共享的渠道，同时尚未有对矿山***安全性进行整体评价。因此，需要一个对矿山风险进行整体的检测和数据共享。
现有技术CN202210934838提供了一种矿山数据采集***，该***采用可拖拽式采集流程配置，对各个组件可以全拖拽方式和同意的采集平台，但只是对数据进行采集，缺乏对矿山的风险评估并根据风险评估进行检修。
发明内容
本发明目的之一在于提供了一种基于矿山风险监测的数据采集与数据共享方法，通过对矿山风险进行整体与子网络进行风险监测，并对检测异常的子网络按照异常程度及重要性相结合进行风险预警排序，可以方便维修人员按照风险预警排序进行维修。
本发明实施例提供的一种基于矿山风险监测的数据采集与数据共享方法，包括：
管理平台发出数据采集指令；
构建数据采集网络并划分n个子网络，并每个子网络按照风险指标设置多个数据采集点，每个数据采集点连接若干个数据采集设备，每个数据采集设备根据数据采集指令分别对相应的风险指标进行数据采集；
根据数据的格式对采集到的数据进行预处理，得到标准化数据并存储；
对标准化数据的标识，得到标识数据并进行共享。
优选地，构建数据采集网络并划分n个子网络，并每个子网络按照风险指标设置多个数据采集点，每个数据采集点连接若干个数据采集设备，每个数据采集设备根据数据采集指令分别对相应的风险指标进行数据采集；
包括：
构建数据采集网络并设置中间层；
根据矿山走向将数据采集网络划分n个子网络，子网络通过中间层与数据采集网络进行数据交互；
每个子网络设置若干个数据采集点和次中间层，数据采集点通过次中间层与子网络进行数据交互，每个数据采集点连接若干个数据采集设备；
根据风险指标设定数据采集频率和数据采集内容，其中数据采集内容包括环境监测数据、人员定位数据和视频监控数据；
以设定的数据采集频率通过数据采集设备采集数据并将采集到的数据依次通过数据采集点、次中间层、子网络和中间层传送到管理平台。
优选地，还包括构建风险评估模型并对标准数据进行风险评估，得到各子网络的风险等级和整体风险等级，将各子网络的风险等级和整体风险等级的结果输出到管理平台进行显示；
其中，所述风险评估模型采用依次梯进结构，包括指标评估层、风险评级层、区域评价层以及整体评价层，
指标评估层，用于通过采集历史事件中的数据并进行特征化提取，得到风险指标并利用风险指标对标准化数据进行评估；
采集点评价层，用于结合风险类型的权重对指标评估层的评估结果计算出采集点评级层的风险评价数值；
子网络评价层，用于结合采集点权重对采集点评价层的风险评价数值计算出每个子网络的风险评价数值；
整体评价层，用于结合子网络权重对子网络的风险评价数值计算出整体的风险评价数值。
优选地，所述对标准化数据的标识，得到标识数据并进行共享，包括：
按照数据来源对标准化数据的标识和数据加密，得到标识数据并设置端口标签；
将所有识别数据的端口标签按照时间顺序进行排序，串联成端口标签序列并保存在管理平台；
接收访问者的共享指令，先将共享指令与端口标签序列进行第一次验证；
若第一次验证结果为不符合，管理平台向访问者返回不予共享并提示访问者输入匹配的共享指令；
若第一次验证结果符合后，共享指令与端口标签进行第二次验证；
若第二次验证结果不符合，管理平台向访问者返回不予共享并提示访问者输入匹配的共享指令；
若第二次验证结果符合后，则对标识数据进行解密，得到标准化数据并发送给访问者。
优选地，还包括利用风险评估结果进行风险预警；
其中，所述利用风险评估结果进行风险预警，包括
获取存储模块存储关于数据采集点、子网络和整体的正常运行的历史数据，得到第一比较矩阵、第二比较矩阵和第三比较矩阵；
当整体评价层的风险评价数值为0时，管理平台显示整体评价层零风险；
当整体评价层的风险评价数值不为0时，计算当前的子网络的风险评价数值，构成第三实时矩阵，并计算出第三实时矩阵与第三比较矩阵对应数据之间的距离，构成第三距离，根据第三距离并结合子网络权重进行大小排序，依次按序对子网络进行风险预警；
当子网络的风险评价数值为0时，管理平台显示子网络零风险；
当子网络的风险评价数值不为0时，计算出当前的数据采集点的风险评价数值，构成第二实时矩阵，并计算出第二实时矩阵与第二比较矩阵对应数据之间的距离，构成第二距离，根据第二距离并结合数据采集点权重进行大小排序，依次按序对数据采集点进行风险预警；
当数据采集点的风险评价数值为0时，管理平台显示数据采集点零风险；
当数据采集点的风险评价数值不为0时，计算出当前的数据采集设备的风险评价数值，构成第一实时矩阵，并计算出第一实时矩阵与第一比较矩阵对应数据之间的距离，构成第一距离，根据第一距离并结合风险类型的权重进行大小排序，依次按序对数据采集设备进行风险预警。
本发明还提供了一种基于矿山风险监测的数据采集与数据共享***，包括：
数据采集模块，用于管理平台发出数据采集指令；
子网络划分模块，用于构建数据采集网络并划分n个子网络，并每个子网络按照风险指标设置多个数据采集点根据数据采集指令分别对进行数据采集；
标准化存储模块，根据数据的格式对采集到的数据进行预处理，得到标准化数据并存储；
共享模块，对标准化数据的标识，得到标识数据并进行共享。
优选地，所述子网络划分模块，执行如下操作：
构建数据采集网络并设置中间层；
根据矿山走向将数据采集网络划分n个子网络，子网络通过中间层与数据采集网络进行数据交互；
每个子网络设置若干个数据采集点和次中间层，数据采集点通过次中间层与子网络进行数据交互，每个数据采集点连接若干个数据采集设备；
根据风险指标设定数据采集频率和数据采集内容，其中数据采集内容包括环境监测数据、人员定位数据和视频监控数据；
以设定的数据采集频率通过数据采集设备采集数据并将采集到的数据依次通过数据采集点、次中间层、子网络和中间层传送到管理平台。
优选地，还包括风险评估模块，用于构建风险评估模型并对标准数据进行风险评估，得到各子网络的风险等级和整体风险等级，将各子网络的风险等级和整体风险等级的结果输出到管理平台进行显示；
其中，所述风险评估模型采用依次梯进结构，包括指标评估层、风险评级层、区域评价层以及整体评价层，
指标评估层，用于通过采集历史事件中的数据并进行特征化提取，得到风险指标并利用风险指标对标准化数据进行评估；
采集点评价层，用于结合风险类型的权重对指标评估层的评估结果计算出采集点评级层的风险评价数值；
子网络评价层，用于结合采集点权重对采集点评价层的风险评价数值计算出每个子网络的风险评价数值；
整体评价层，用于结合子网络权重对子网络的风险评价数值计算出整体的风险评价数值。
优选地，所述共享模块，执行如下操作：
按照数据来源对标准化数据的标识和数据加密，得到标识数据并设置端口标签；
将所有识别数据的端口标签按照时间顺序进行排序，串联成端口标签序列并保存在管理平台；
接收访问者的共享指令，先将共享指令与端口标签序列进行第一次验证；
若第一次验证结果为不符合，管理平台向访问者返回不予共享并提示访问者输入匹配的共享指令；
若第一次验证结果符合后，共享指令与端口标签进行第二次验证；
若第二次验证结果不符合，管理平台向访问者返回不予共享并提示访问者输入匹配的共享指令；
若第二次验证结果符合后，则对标识数据进行解密，得到标准化数据并发送给访问者。
优选地，还包括风险预警模块，用于利用风险评估结果进行风险预警；
其中，所述利用风险评估结果进行风险预警，执行如下操作：
获取存储模块存储关于数据采集点、子网络和整体的正常运行的历史数据，得到第一比较矩阵、第二比较矩阵和第三比较矩阵；
当整体评价层的风险评价数值为0时，管理平台显示整体评价层零风险；
当整体评价层的风险评价数值不为0时，计算当前的子网络的风险评价数值，构成第三实时矩阵，并计算出第三实时矩阵与第三比较矩阵对应数据之间的距离，构成第三距离，根据第三距离并结合子网络权重进行大小排序，依次按序对子网络进行风险预警；
当子网络的风险评价数值为0时，管理平台显示子网络零风险；
当子网络的风险评价数值不为0时，计算出当前的数据采集点的风险评价数值，构成第二实时矩阵，并计算出第二实时矩阵与第二比较矩阵对应数据之间的距离，构成第二距离，根据第二距离并结合数据采集点权重进行大小排序，依次按序对数据采集点进行风险预警；
当数据采集点的风险评价数值为0时，管理平台显示数据采集点零风险；
当数据采集点的风险评价数值不为0时，计算出当前的数据采集设备的风险评价数值，构成第一实时矩阵，并计算出第一实时矩阵与第一比较矩阵对应数据之间的距离，构成第一距离，根据第一距离并结合风险类型的权重进行大小排序，依次按序对数据采集设备进行风险预警。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于矿山风险监测的数据采集与数据共享方法的流程图；
图2为本发明实施例中步骤2的流程图；
图3为本发明实施例中步骤4的流程图；
图4为本发明实施例中步骤6的流程图；
图5为本发明实施例中一种基于矿山风险监测的数据采集与数据共享***的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种基于矿山风险监测的数据采集与数据共享方法，如图1所示，包括：
步骤1，管理平台发出数据采集指令。
步骤2，构建数据采集网络并划分n个子网络，并每个子网络设置多个数据采集点，每个数据采集点连接若干个数据采集设备，每个数据采集设备根据数据采集指令分别对相应的风险指标进行数据采集。
步骤3，根据数据的格式对采集到的数据进行预处理，得到标准化数据并存储。
步骤4，对标准化数据的标识，得到标识数据并进行共享。
上述技术方案的工作原理及有益效果为：
管理平台发出数据采集指令后，构建数据采集网络，该数据采集网络划分成n个子网络，本实施例中,每个子网络按照风险指标设置多个数据采集点进行，风险指标包括环境指标、工作安全指标、消防隐患指标等，采集后的数据进行数据预处理，包括数据清洗、数据消减等，对一些无效数据进行取舍，得到标准化数据并存储在管理平台。同时按照类型对标准化数据进行标识，如发出共享环境指标数据的指令，可以看到CO、CO2、NO、NO2、SO2等相关气体含量。当访问者在管理平台可以查询浏览到相关所需的数据。
本发明通过构建数据采集网络对矿山进行多层次多指标的采集，并对采集到的数据进行预处理，保存了数据的真实性，去除了噪声数据，提高了数据的准确性。同时，对数据进行标识，方便访问者在管理平台进行数据共享。
本发明实施例提供了一种基于矿山风险监测的数据采集与数据共享方法，如图2所示，所述步骤2包括以下步骤：
步骤2.1，构建数据采集网络并设置中间层。
步骤2.2，根据矿山走向将数据采集网络划分n个子网络，子网络通过中间层与数据采集网络进行数据交互。
步骤2.3，每个子网络设置若干个数据采集点和次中间层，数据采集点通过次中间层与子网络进行数据交互，每个数据采集点连接若干个数据采集设备。
步骤2.4，根据风险指标设定数据采集频率和数据采集内容，其中数据采集内容包括环境监测数据、工作安全数据和消防隐患数据。
步骤2.5，根据设定的数据采集频率通过数据采集设备采集数据并将采集到的数据依次通过数据采集点、次中间层、子网络和中间层传送到管理平台。
上述技术方案的工作原理及有益效果为：
构建数据采集网络并设置中间层，而根据矿山走向将数据采集网络划分n个子网络，子网络通过中间层与数据采集网络进行数据交互。同时各个子网络也可以通过中间层实现数据实时交换。而每个子网络设置若干个数据采集点和次中间层，数据采集点通过次中间层与子网络进行数据交互，同样，每个数据采集点也可以进行数据交互。根据风险指标设定数据采集频率和数据采集内容，数据采集内容包括环境监测数据、工作安全数据和消防隐患数据。而风险指标总共包含57个具体指标，例如其中环境指标还包括CO、CO2、NO、NO2、SO2等气体含量指标、粉尘浓度指标、雾化指标等。。每个数据采集点连接若干个数据采集设备，气体含量分别有CO2气体检测仪、CO气体检测仪、NO2气体检测仪、NO气体检测仪等进行测量，粉尘浓度指标由粉尘仪进行检测，工作安全通过摄影仪对工作现场进行摄像，并根据安全生产工作指标进行检测，消防隐患指标根据对易燃易爆物等进行检测。设定数据采集频率通过数据采集设备采集数据并将采集到的数据依次通过数据采集点、次中间层、子网络和中间层传送到管理平台。本实施例中设定的数据采集频率1小时内采集20次数据。
本发明实施例通过数据采集网络通过分层并可以通过中间层和次中间层进行数据共享，提高了数据交流，也面对复杂的指标进行有效采集。
本发明实施例提供了一种基于矿山风险监测的数据采集与数据共享方法，还包括步骤5，构建风险评估模型并对标准数据进行风险评估，得到各子网络的风险等级和整体风险等级，将各子网络的风险等级和整体风险等级的结果输出到管理平台进行显示。
风险评估模型采用依次梯进结构，包括指标评估层、风险评级层、区域评价层以及整体评价层。
指标评估层，用于通过采集历史事件中的数据并进行特征化提取，得到风险指标并利用风险指标对标准化数据进行评估。
采集点评价层，用于结合风险类型的权重对指标评估层的评估结果计算出采集点的风险评价数值。
子网络评价层，用于结合采集点权重对采集点评价层的风险评价数值计算出每个子网络的风险评价数值。
整体评价层，用于结合子网络权重对区域层的风险等级计算出整体风险评价数值。
上述技术方案的工作原理及有益效果为：
构建风险评估模型并对标准数据进行风险评估，得到各子网络的风险等级和整体风险等级，将各子网络的风险等级和整体风险等级的结果输出到管理平台进行显示。风险评估模型是一种金字塔型的评估模型，通过每层对整个矿山进行风险评估，第一层的指标评估层是通过对历史事件中的事故数据进行特征化提取，得到风险指标以及对应的风险阈值。根据风险指标以及对应的风险阈值对标准化数据进行评估，得到一系列评估结果，评估结果构成一维矩阵A，A的表达式为：
A＝(a1,…,ai…,an),
其中，矩阵中的元素ai是某一个标准化数据的风险评估结果，0<i≤n。
采集点评价层的风险评价数值是结合风险类型的权重，结合风险类型的权重对指标评估层的评估结果。风险类型的权重构成一个矩阵X，具体表达式为：
X＝(α1,…,αi…,αn)
式中，矩阵中的元素αij是风险类型的权重，0<i≤n。
所以，第k个采集点评价层的风险评价数值bk,具体表达式为：
bk＝A×X
第l个子网络包含p个采集点评价层，因此，p个采集点评价层风险评价数值的构成一个一维矩阵B，B的具体表达式为：
B＝(b1,…,bk，…,bp)
而每个采集点评价层的权重也构成一个一维矩阵Y，具体表达式为：
Y＝(β1,…,βk，…,βp)；
式中，矩阵中的元素βk是风险类型的权重，0<k≤p。
因此，可以计算出第l个子网络的风险评价数值cl,具体表达式为：
cl＝B×Y；
因此，n个子网络的风险评价数值也构成一维矩阵C，具体表达式为：
C＝(c1,…,cl，…,cn)
同时根据每个子网络的权重也构成一维矩阵Z，具体表达式为：
Z＝(γ1,…,γl，…,γn)
式中，矩阵中的元素γl是子网络风险类型的权重,0<l≤n。
最终可以计算成整体整体风险评价数值D
D＝C×Z。
本发明通过构建风险评估模型对矿山复杂的风险指标，结合权重进行分层次风险评价，并将各子网络的风险等级和整体风险等级的结果输出到管理平台进行显示，便于管理者进行实时监测。当分别计算出采集点评级层的风险评价数值、子网络的风险评价数值和整体风险评价数值。并根据制定数值对应的风险等级表以及标识在显示平台上的颜色，例如“0”为“零风险”，标识“蓝色”，“1～25”为“正常”，标识“绿色”；“26～50”为“注意”，标识“黄色”，“51～75”为“异常”，标识“橙色”，“76～100”为“严重”，标识“红色”。
本发明实施例提供了一种基于矿山风险监测的数据采集与数据共享方法，如图3所示，所述步骤4包括：
步骤4.1，按照数据来源对标准化数据的标识和数据加密，得到标识数据并设置端口标签。
步骤4.2，将所有识别数据的端口标签按照时间顺序进行排序，串联成端口标签序列并保存在管理平台。
步骤4.3，接收访问者的共享指令，先将共享指令与端口标签序列进行第一次验证。
步骤4.4，若第一次验证结果为不符合，管理平台向访问者返回不予共享并提示访问者输入匹配的共享指令。
步骤4.5，若第一次验证结果符合后，共享指令与端口标签进行第二次验证。
步骤4.6，若第二次验证结果不符合，管理平台向访问者返回不予共享并提示访问者输入匹配的共享指令。
步骤4.7，若第二次验证结果符合后，则对标识数据进行解密，得到标准化数据并发送给访问者。
上述技术方案的工作原理及有益效果为：
根据数据的来源对标准化数据进行标识和加密，得到具有保密的标识数据，并设置端口标签，端口标签包括时间序列。将所有识别数据的端口标签按照时间顺序排列，形成端口标签序列并保存在管理平台上。在接收访问者的共享指令后，先将共享指令与端口标签序列进行第一次验证，验证是否存在访问者所需求的某段时间上的数据。若第一次验证结果为不符合，则返回不予共享并提示访问者输入匹配的共享指令。若第一次验证结果符合，则根据共享指令与端口标签进行第二次验证，若第二次验证不符合，则返回不予共享并提示访问者输入匹配的共享指令。若第二次验证符合，则对标识数据进行解密，并发送给访问者。
本发明对标识数据进行加密，并按照端口标签进行分类，通过对访问者的共享指令进行两次验证，对标识数据进行解密并共享，提高了数据的安全性。
本发明实施例提供了一种基于矿山风险监测的数据采集与数据共享方法，还包括步骤6，利用风险评估结果进行风险预警。如图4所示，所述步骤6包括：
步骤6.1，获取存储模块存储关于数据采集设备、数据采集点和子网络的正常运行的历史数据，分别得到第一比较矩阵、第二比较矩阵和第三比较矩阵。
步骤6.2，当整体评价层的风险评价数值为0时，管理平台显示整体评价层零风险。
步骤6.3，当整体评价层的风险评价数值不为0时，计算当前的子网络的风险评价数值，构成第三实时矩阵，并计算出第三实时矩阵与第三比较矩阵对应数据之间的距离，构成第三距离，根据第三距离并结合子网络权重进行大小排序，依次按序对子网络进行风险预警。
步骤6.4，当子网络的风险评价数值为0时，管理平台显示子网络零风险。
步骤6.5，当子网络的风险评价数值不为0时，计算出当前的数据采集点的风险评价数值，构成第二实时矩阵，并计算出第二实时矩阵与第二比较矩阵对应数据之间的距离，构成第二距离，根据第二距离并结合数据采集点权重进行大小排序，依次按序对数据采集点进行风险预警。
步骤6.6，当数据采集点的风险评价数值为0时，管理平台显示数据采集点零风险。
步骤6.7，当数据采集点的风险评价数值不为0时，计算出当前的数据采集设备的风险评价数值，构成第一实时矩阵，并计算出第一实时矩阵与第一比较矩阵对应数据之间的距离，构成第一距离，根据第一距离并结合风险类型的权重进行大小排序，依次按序对数据采集设备进行风险预警。
上述技术方案的工作原理及有益效果为：
获取存储模块存储关于数据采集设备、数据采集点和子网络的正常运行的历史数据，分别得到第一比较矩阵第二比较矩阵/>第三比较矩阵/>
当整体评价层的风险评价数值为0时，管理平台显示整体评价层零风险。
当整体评价层的风险评价数值不为0时，计算出n个子网络的风险评价数值构成一维矩阵C，具体表达式为：
C＝(c1,…,cl，…,cn)
式中，cl是第l个子网络的风险评价数值。
根据子网络的正常运行的历史数据，得到第三比较矩阵具体表达式为：
式中，是第l个子网络的正常运行情况下的风险评价数值。
分别计算出一维矩阵和第三比较矩阵/>对应的矩阵元素之间的距离，构成第三距离d3l，具体表达式为：
再根据每个子网络的权重也构成一维矩阵Z，具体表达式为：
Z＝(γ1,…,γl，…,γn)
因此，结合每个子网络的权重，得到一维的数列
对按照大小重新排列，计算出来最大的子网络在管理平台上首先显示。例如，计算出的第六个子网络/>最大，在管理平台首先显示“第六子网络”，其余的都按照/>的大小依次排列。在安排检修的时候，首先对“第六子网络”进行预警并安排检修，其余的按照排序依次进行检修。若有些子网路正常运行，例如第三子网路正常，/>则从第三子网路在管理平台上直接显示“第三子网络正常”。
当子网络的风险评价数值为0时，管理平台显示子网络零风险。
当子网络的风险评价数值不为0时，计算出当前的数据采集点的风险评价数值，构成一维矩阵B，具体表达式为：
B＝(b1,…,bk，…,bp)
根据子网络的正常运行的历史数据，得到第二比较矩阵具体表达式为：
式中，是第k数据采集点的正常运行情况下的风险评价数值。
分别计算出一维矩阵和第二比较矩阵/>对应的矩阵元素之间的距离，构成第二距离d2k，具体表达式为：
再根据每个采集点评价层的权重也构成一个一维矩阵Y，具体表达式为：
Y＝(β1,…,βk，…,βp)；
因此，结合每个采集点评价层的权重，得到一维的数列
对按照大小重新排列，计算出来最大的数据采集点在管理平台上首先显示。例如，计算出的第五个采集点评价层/>最大，在管理平台首先显示“第五个采集点”，其余的都按照/>依次排序。在安排检修的时候，首先对“第五个采集点”进行预警并安排检修，其余的按照排序依次进行检修。若有些采集点正常运行，则计算出的d2k＝0，在管理平台显示该采集点“正常”。
当数据采集点的风险评价数值为0时，管理平台显示数据采集点零风险。
当数据采集点的风险评价数值不为0时，计算出当前的数据采集设备的风险评价数值，构成第一实时矩阵，并计算出第一实时矩阵与第一比较矩阵对应数据之间的距离，构成第一距离，根据第一距离并结合风险类型的权重进行大小排序，依次按序对数据采集设备进行风险预警。
当数据采集点的风险评价数值不为0时，计算出每个数据采集设备的风险评价数值构成一维矩阵A，具体表达式为：
A＝(a1,…,ai…,an),
式中，ai是第i个数据采集设备的风险评价数值。
根据子网络的正常运行的历史数据，得到第一比较矩阵具体表达式为：
式中，是第i个数据采集设备的正常运行情况下的风险评价数值。
分别计算出一维矩阵和第一比较矩阵/>对应的矩阵元素之间的距离，构成第一距离d1i，具体表达式为：
再根据每个数据采集设备的权重也构成一维矩阵X，具体表达式为：
X＝(α1,…,αi…,αn)
因此，结合每个子网络的权重，得到一维的数列
对按照大小重新排列，计算出来数值最大的数据采集设备在管理平台上首先显示，其余依次在管理平台上显示预警并进行检修。若第一距离d1i＝0，则该数据采集设备在管理平台上显示正常。/>
本发明实施例通过获取存储模块存储关于数据采集设备、数据采集点和子网络的正常运行的历史数据，分别得到第一比较矩阵、第二比较矩阵和第三比较矩阵，同时计算出数据采集设备、数据采集点和子网络实时运行的风险评价矩阵，分别计算出矩阵之间的距离，再结合相应的权重，安排预警和检修的顺序，利用风险轻重及权重的大小安排检修顺序，合理的安排维修人员进行相关维修，体现了数据量化的方式确定矿山矿山风险监测的优先顺序。
本发明实施例提供了一种基于矿山风险监测的数据采集与数据共享***，如图5所示，该***包括数据采集模块1、子网络划分模块2、标准化存储模块3和共享模块4。
数据采集模块1用于管理平台发出数据采集指令。
子网络划分模块2用于构建数据采集网络并划分n个子网络，并每个子网络按照风险指标设置多个数据采集点根据数据采集指令分别对进行数据采集。
标准化存储模块3根据数据的格式对采集到的数据进行预处理，得到标准化数据并存储。
共享模块4对标准化数据的标识，得到标识数据并进行共享。
上述技术方案的工作原理及有益效果为：
数据采集模块1发出数据采集指令。子网络划分模块2构建数据采集网络并划分n个子网络，每个子网路下再设置数据采集点，数据采集点再连接多个数据采集设备，根据数据采集模块1发出的数据采集指令进行采集。标准化存储模块3预处理并存储采集到的数据。共享模块4对对标准化数据的标识并共享。
构建数据采集网络对矿山进行多层次多指标的采集，并对采集到的数据进行预处理，保存了数据的真实性，去除了噪声数据，提高了数据的准确性。同时，对数据进行标识，方便访问者在管理平台进行数据共享。
本发明实施例提供了一种基于矿山风险监测的数据采集与数据共享***，子网络划分模块2，执行如下操作：
构建数据采集网络并设置中间层。
根据矿山走向将数据采集网络划分n个子网络，子网络通过中间层与数据采集网络进行数据交互。
每个子网络设置若干个数据采集点和次中间层，数据采集点通过次中间层与子网络进行数据交互，每个数据采集点连接若干个数据采集设备。
根据风险指标设定数据采集频率和数据采集内容，其中数据采集内容包括环境监测数据、人员定位数据和视频监控数据。
以设定的数据采集频率通过数据采集设备采集数据并将采集到的数据依次通过数据采集点、次中间层、子网络和中间层传送到管理平台。
上述技术方案的工作原理及有益效果为：
子网络划分模块2构建一个数据采集网络，该网络是金字塔结构，首先根据矿山走向划分为n个子网络，子网络通过中间层与数据采集网络相连，子网络下再设置若干个数据采集点和次中间层，数据采集点通过次中间层与子网络相连，数据采集点上连接多个数据采集设备。设定数据采集的频率，采集所设定的内容，分别是环境监测数据、人员定位数据和视频监控数据。
本发明实施例通过数据采集网络通过分层采集并且中间层和次中间层可以进行数据共享，提高了数据交流，也面对复杂的指标进行有效采集。
本发明实施例提供了一种基于矿山风险监测的数据采集与数据共享***，还包括风险评估模块5，用于构建风险评估模型并对标准数据进行风险评估，得到各子网络的风险等级和整体风险等级，将各子网络的风险等级和整体风险等级的结果输出到管理平台进行显示。
其中，风险评估模型采用依次梯进结构，包括指标评估层、风险评级层、区域评价层以及整体评价层。
指标评估层，用于通过采集历史事件中的数据并进行特征化提取，得到风险指标并利用风险指标对标准化数据进行评估。
采集点评价层，用于结合风险类型的权重对指标评估层的评估结果计算出采集点的风险评价数值。
子网络评价层，用于结合采集点权重对采集点评价层的风险评价数值计算出每个子网络的风险评价数值。
整体评价层，用于结合子网络权重对子网络的风险评价数值计算出整体的风险评价数值。
上述技术方案的工作原理及有益效果为：
风险评估模块5根据数据采集网络的结构构建了一个依次梯进结构的风险评估模型，利用指标评估层利用风险指标对标准化数据的进行评估，并结合风险类型的权重根据评估结果计算出采集点评价层的风险评价数值，再结合采集点权重根据采集点评价层的风险评价数值计算出子网络的风险评价数值，再结合子网络权重对子网络的风险评价数值计算出整体的风险评价数值。
本实施例风险评估模型根据数据采集网络的金字塔结构，从下往上依次计算出采集点的风险评价数值、子网络的风险评价数值和整体的风险评价数值。并根据风险评价数值对应的等级，将风险评价等级的输出到管理平台进行显示，便于管理者进行实时监测。
本发明实施例提供了一种基于矿山风险监测的数据采集与数据共享***，，共享模块4执行如下操作：
按照数据来源对标准化数据的标识和数据加密，得到标识数据并设置端口标签。
将所有识别数据的端口标签按照时间顺序进行排序，串联成端口标签序列并保存在管理平台。
接收访问者的共享指令，先将共享指令与端口标签序列进行第一次验证。
若第一次验证结果为不符合，管理平台向访问者返回不予共享并提示访问者输入匹配的共享指令。
若第一次验证结果符合后，共享指令与端口标签进行第二次验证。
若第二次验证结果不符合，管理平台向访问者返回不予共享并提示访问者输入匹配的共享指令。
若第二次验证结果符合后，则对标识数据进行解密，得到标准化数据并发送给访问者。
上述技术方案的工作原理及有益效果为：
共享模块4根据数据的来源对标准化数据进行标识和加密，得到具有保密的标识数据，并设置端口标签，端口标签包括时间序列。将所有识别数据的端口标签按照时间顺序排列，形成端口标签序列并保存在管理平台上。在接收访问者的共享指令后，先将共享指令与端口标签序列进行第一次验证，验证是否存在访问者所需求的某段时间上的数据。若第一次验证结果为不符合，则返回不予共享并提示访问者输入匹配的共享指令。若第一次验证结果符合，则根据共享指令与端口标签进行第二次验证，若第二次验证不符合，则返回不予共享并提示访问者输入匹配的共享指令。若第二次验证符合，则对标识数据进行解密，并发送给访问者。
本发明实施例中的共享模块4对标识数据进行加密，并按照端口标签进行分类，实现对标识数据进行解密并共享，提高了数据的安全性。
本发明实施例提供了一种基于矿山风险监测的数据采集与数据共享***，还包括风险预警模块6用于利用风险评估结果进行风险预警。
风险预警模块6，执行如下操作：
获取存储模块存储关于数据采集点、子网络和整体的正常运行的历史数据，得到第一比较矩阵、第二比较矩阵和第三比较矩阵。
当整体评价层的风险评价数值为0时，管理平台显示整体评价层零风险。
当整体评价层的风险评价数值不为0时，计算当前的子网络的风险评价数值，构成第三实时矩阵，并计算出第三实时矩阵与第三比较矩阵对应数据之间的距离，构成第三距离，根据第三距离并结合子网络权重进行大小排序，依次按序对子网络进行风险预警。
当子网络的风险评价数值为0时，管理平台显示子网络零风险。
当子网络的风险评价数值不为0时，计算出当前的数据采集点的风险评价数值，构成第二实时矩阵，并计算出第二实时矩阵与第二比较矩阵对应数据之间的距离，构成第二距离，根据第二距离并结合数据采集点权重进行大小排序，依次按序对数据采集点进行风险预警。
当数据采集点的风险评价数值为0时，管理平台显示数据采集点零风险。
当数据采集点的风险评价数值不为0时，计算出当前的数据采集设备的风险评价数值，构成第一实时矩阵，并计算出第一实时矩阵与第一比较矩阵对应数据之间的距离，构成第一距离，根据第一距离并结合风险类型的权重进行大小排序，依次按序对数据采集设备进行风险预警。
上述技术方案的工作原理及有益效果为：
风险预警模块6存储模块存储关于数据采集点、子网络和整体的正常运行的历史数据，分别得到第一比较矩阵第二比较矩阵/>和第三比较矩阵/>根据当前的各个子网络、数据采集点和数据采集设备的当前分别得到第一实时矩阵A、第二实时矩阵B和第三实时矩阵C，通过计算出对应的矩阵距离，再结合相应的权重，进行按从大到小的顺序排序，排在前面的进行优先风险预警和检修。
本发明实施例风险预警模块6通过获取存储模块存储关于数据采集设备、数据采集点和子网络的正常运行的历史数据，分别得到第一比较矩阵、第二比较矩阵和第三比较矩阵，同时计算出数据采集设备、数据采集点和子网络实时运行的风险评价矩阵，分别计算出相应的两种矩阵之间的距离，再结合对应的权重，安排风险预警，合理利用风险轻重及权重的大小安排检修顺序，从而安排维修人员进行相关维修，体现了数据量化的方式确定矿山矿山风险监测的优先顺序。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动获取和变型在内。

Claims (8)

1.一种基于矿山风险监测的数据采集与数据共享方法，其特征在于，包括：
管理平台发出数据采集指令；
构建数据采集网络并划分n个子网络，并每个子网络按照风险指标设置多个数据采集点分别对相应的风险指标进行数据采集；
根据数据的格式对采集到的数据进行预处理，得到标准化数据并存储；
对标准化数据进行标识，得到标识数据并进行共享；
其中，对标准化数据进行标识，得到标识数据并进行共享，包括：
按照数据来源对标准化数据进行标识和数据加密，得到标识数据并设置端口标签；
将所有标识数据的端口标签按照时间顺序进行排序，串联成端口标签序列并保存在管理平台；
接收访问者的共享指令，先将共享指令与端口标签序列进行第一次验证；
若第一次验证结果为不符合，管理平台向访问者返回不予共享并提示访问者输入匹配的共享指令；
若第一次验证结果符合后，共享指令与端口标签进行第二次验证；
若第二次验证结果不符合，管理平台向访问者返回不予共享并提示访问者输入匹配的共享指令；
若第二次验证结果符合后，则对标识数据进行解密，得到标准化数据并发送给访问者。
2.根据权利要求1所述的基于矿山风险监测的数据采集与数据共享方法，其特征在于，划分n个子网络，并每个子网络按照风险指标设置多个数据采集点分别对相应的风险指标进行数据采集，包括：
构建数据采集网络并设置中间层；
根据矿山走向将数据采集网络划分n个子网络，子网络通过中间层与数据采集网络进行数据交互；
每个子网络设置若干个数据采集点和次中间层，数据采集点通过次中间层与子网络进行数据交互，每个数据采集点连接若干个数据采集设备；
根据风险指标设定数据采集频率和数据采集内容，其中数据采集内容包括环境监测数据、工作安全数据和消防隐患数据；
以设定的数据采集频率通过数据采集设备采集数据并将采集到的数据依次通过数据采集点、次中间层、子网络和中间层传送到管理平台。
3.根据权利要求1所述的基于矿山风险监测的数据采集与数据共享方法，其特征在于，还包括构建风险评估模型并对标准数据进行风险评估，得到各子网络的风险等级和整体风险等级，将各子网络的风险等级和整体风险等级的结果输出到管理平台进行显示；
其中，所述风险评估模型采用依次梯进结构，包括指标评估层、采集点评价层、子网络评价层以及整体评价层，
指标评估层，用于通过采集历史事件中的数据并进行特征化提取，得到风险指标并利用风险指标对标准化数据进行评估；
采集点评价层，用于结合风险类型的权重对指标评估层的评估结果计算出采集点评级层的风险评价数值；
子网络评价层，用于结合采集点权重对采集点评价层的风险评价数值计算出每个子网络的风险评价数值；
整体评价层，用于结合子网络权重对子网络的风险评价数值计算出整体的风险评价数值。
4.根据权利要求3所述的基于矿山风险监测的数据采集与数据共享方法，其特征在于，还包括利用风险评估结果进行风险预警；
其中，所述利用风险评估结果进行风险预警，包括：
获取存储模块存储关于数据采集点、子网络和整体的正常运行的历史数据，得到第一比较矩阵、第二比较矩阵和第三比较矩阵；
当整体评价层的风险评价数值为0时，管理平台显示整体评价层零风险；
当整体评价层的风险评价数值不为0时，计算当前的子网络的风险评价数值，构成第三实时矩阵，并计算出第三实时矩阵与第三比较矩阵对应数据之间的距离，构成第三距离，根据第三距离并结合子网络权重进行大小排序，依次按序对子网络进行风险预警；
当子网络的风险评价数值为0时，管理平台显示子网络零风险；
当子网络的风险评价数值不为0时，计算出当前的数据采集点的风险评价数值，构成第二实时矩阵，并计算出第二实时矩阵与第二比较矩阵对应数据之间的距离，构成第二距离，根据第二距离并结合数据采集点权重进行大小排序，依次按序对数据采集点进行风险预警；
当数据采集点的风险评价数值为0时，管理平台显示数据采集点零风险；
当数据采集点的风险评价数值不为0时，计算出当前的数据采集设备的风险评价数值，构成第一实时矩阵，并计算出第一实时矩阵与第一比较矩阵对应数据之间的距离，构成第一距离，根据第一距离并结合风险类型的权重进行大小排序，依次按序对数据采集设备进行风险预警。
5.一种基于矿山风险监测的数据采集与数据共享***，其特征在于，包括：
数据采集模块，用于管理平台发出数据采集指令；
子网络划分模块，用于构建数据采集网络并划分n个子网络，并每个子网络按照风险指标设置多个数据采集点，每个数据采集点连接若干个数据采集设备，每个数据采集设备根据数据采集指令分别对相应的风险指标进行数据采集；
标准化存储模块，根据数据的格式对采集到的数据进行预处理，得到标准化数据并存储；
共享模块，对标准化数据进行标识，得到标识数据并进行共享；
其中，共享模块，执行如下操作：
按照数据来源对标准化数据进行标识和数据加密，得到标识数据并设置端口标签；
将所有识别数据的端口标签按照时间顺序进行排序，串联成端口标签序列并保存在管理平台；
接收访问者的共享指令，先将共享指令与端口标签序列进行第一次验证；
若第一次验证结果为不符合，管理平台向访问者返回不予共享并提示访问者输入匹配的共享指令；
若第一次验证结果符合后，共享指令与端口标签进行第二次验证；
若第二次验证结果不符合，管理平台向访问者返回不予共享并提示访问者输入匹配的共享指令；
若第二次验证结果符合后，则对标识数据进行解密，得到标准化数据并发送给访问者。
6.根据权利要求5所述的基于矿山风险监测的数据采集与数据共享***，其特征在于，所述子网络划分模块，执行如下操作：
构建数据采集网络并设置中间层；
根据矿山走向将数据采集网络划分n个子网络，子网络通过中间层与数据采集网络进行数据交互；
每个子网络设置若干个数据采集点和次中间层，数据采集点通过次中间层与子网络进行数据交互，每个数据采集点连接若干个数据采集设备；
根据风险指标设定数据采集频率和数据采集内容，其中数据采集内容包括环境监测数据、工作安全数据和消防隐患数据；
以设定的数据采集频率通过数据采集设备采集数据并将采集到的数据依次通过数据采集点、次中间层、子网络和中间层传送到管理平台。
7.根据权利要求5所述的基于矿山风险监测的数据采集与数据共享***，其特征在于，还包括风险评估模块，用于构建风险评估模型并对标准数据进行风险评估，得到各子网络的风险等级和整体风险等级，将各子网络的风险等级和整体风险等级的结果输出到管理平台进行显示；
其中，所述风险评估模型采用依次梯进结构，包括指标评估层、采集点评价层、子网络评价层以及整体评价层，
指标评估层，用于通过采集历史事件中的数据并进行特征化提取，得到风险指标并利用风险指标对标准化数据进行评估；
采集点评价层，用于结合风险类型的权重对指标评估层的评估结果计算出采集点评级层的风险评价数值；
子网络评价层，用于结合采集点权重对采集点评价层的风险评价数值计算出每个子网络的风险评价数值；
整体评价层，用于结合子网络权重对子网络的风险评价数值计算出整体的风险评价数值。
8.根据权利要求7所述的基于矿山风险监测的数据采集与数据共享***，其特征在于，还包括风险预警模块，用于利用风险评估结果进行风险预警；
其中，所述风险预警模块，执行如下操作：
获取存储模块存储关于数据采集点、子网络和整体的正常运行的历史数据，得到第一比较矩阵、第二比较矩阵和第三比较矩阵；
当整体评价层的风险评价数值为0时，管理平台显示整体评价层零风险；
当整体评价层的风险评价数值不为0时，计算当前的子网络的风险评价数值，构成第三实时矩阵，并计算出第三实时矩阵与第三比较矩阵对应数据之间的距离，构成第三距离，根据第三距离并结合子网络权重进行大小排序，依次按序对子网络进行风险预警；
当子网络的风险评价数值为0时，管理平台显示子网络零风险；
当子网络的风险评价数值不为0时，计算出当前的数据采集点的风险评价数值，构成第二实时矩阵，并计算出第二实时矩阵与第二比较矩阵对应数据之间的距离，构成第二距离，根据第二距离并结合数据采集点权重进行大小排序，依次按序对数据采集点进行风险预警；
当数据采集点的风险评价数值为0时，管理平台显示数据采集点零风险；
当数据采集点的风险评价数值不为0时，计算出当前的数据采集设备的风险评价数值，构成第一实时矩阵，并计算出第一实时矩阵与第一比较矩阵对应数据之间的距离，构成第一距离，根据第一距离并结合风险类型的权重进行大小排序，依次按序对数据采集设备进行风险预警。
CN202310321934.4A 2023-03-29 2023-03-29 一种基于矿山风险监测的数据采集与数据共享方法及*** Active CN116502065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310321934.4A CN116502065B (zh) 2023-03-29 2023-03-29 一种基于矿山风险监测的数据采集与数据共享方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310321934.4A CN116502065B (zh) 2023-03-29 2023-03-29 一种基于矿山风险监测的数据采集与数据共享方法及***

Publications (2)

Publication Number Publication Date
CN116502065A CN116502065A (zh) 2023-07-28
CN116502065B true CN116502065B (zh) 2023-12-15

Family

ID=87319314

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310321934.4A Active CN116502065B (zh) 2023-03-29 2023-03-29 一种基于矿山风险监测的数据采集与数据共享方法及***

Country Status (1)

Country Link
CN (1) CN116502065B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010166150A (ja) * 2009-01-13 2010-07-29 Nippon Telegr & Teleph Corp <Ntt> センサデータ収集システム、センサネットワーク構築装置、センサノード、センサネットワーク構築方法、および親ノード切替方法。
CN101938514A (zh) * 2010-08-26 2011-01-05 青海西部矿业科技有限公司 一种基于异构多通道无线传感器网络的井下监测***
CN106131010A (zh) * 2016-07-07 2016-11-16 吴本刚 一种电网数据共享方法
CN109933624A (zh) * 2018-12-28 2019-06-25 曙光信息产业(北京)有限公司 航空应急救援数据采集***及方法
CN112650166A (zh) * 2020-12-14 2021-04-13 云南迦南飞奇科技有限公司 基于无线网络的生产线状况大数据***及其诊断方法
CN113657700A (zh) * 2021-06-29 2021-11-16 云南昆钢电子信息科技有限公司 一种基于大数据的矿山安全生产实时监测方法和***
CN113988530A (zh) * 2021-09-29 2022-01-28 应急管理部通信信息中心 一种非煤矿山安全风险评估分级方法及***
CN115426627A (zh) * 2022-08-22 2022-12-02 郑州市电子信息工程学校 一种基于5g网络的工业物联网数据采集箱

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010166150A (ja) * 2009-01-13 2010-07-29 Nippon Telegr & Teleph Corp <Ntt> センサデータ収集システム、センサネットワーク構築装置、センサノード、センサネットワーク構築方法、および親ノード切替方法。
CN101938514A (zh) * 2010-08-26 2011-01-05 青海西部矿业科技有限公司 一种基于异构多通道无线传感器网络的井下监测***
CN106131010A (zh) * 2016-07-07 2016-11-16 吴本刚 一种电网数据共享方法
CN109933624A (zh) * 2018-12-28 2019-06-25 曙光信息产业(北京)有限公司 航空应急救援数据采集***及方法
CN112650166A (zh) * 2020-12-14 2021-04-13 云南迦南飞奇科技有限公司 基于无线网络的生产线状况大数据***及其诊断方法
CN113657700A (zh) * 2021-06-29 2021-11-16 云南昆钢电子信息科技有限公司 一种基于大数据的矿山安全生产实时监测方法和***
CN113988530A (zh) * 2021-09-29 2022-01-28 应急管理部通信信息中心 一种非煤矿山安全风险评估分级方法及***
CN115426627A (zh) * 2022-08-22 2022-12-02 郑州市电子信息工程学校 一种基于5g网络的工业物联网数据采集箱

Also Published As

Publication number Publication date
CN116502065A (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
CN108039016B (zh) 一种地铁地下运营空间安全监测与预警***
CN105844846B (zh) 一种基于Ibeacon技术的安全监控方法、装置及***
CN103942635B (zh) 一种煤矿瓦斯安全智能巡检***
CN109729083B (zh) 智能巡检方法、装置、设备及介质
CN116579601B (zh) 矿山安全生产风险监测预警***及方法
CN117040731A (zh) 基于区块链的非矿山安全监测预警的信息加密方法
CN116502065B (zh) 一种基于矿山风险监测的数据采集与数据共享方法及***
KR100696083B1 (ko) Ｉｔ 서비스의 품질개선을 위한 ｉｔ 서비스 관리 방법
CN112232843B (zh) 一种基于大数据技术的药品监管***和方法
CN117315853A (zh) 一种基于身份识别的智能终端存储柜存放***
CN117499553A (zh) 用于检查作业的数据传输管理***
CN116886738A (zh) 一种智慧城市道路照明工程管理***
CN111414503A (zh) 基于区块链与cim的木材堆积检测***
CN116739495A (zh) 一种林区智慧化网格管理平台
CN115640606A (zh) 一种基于安全的数据可视化方法及***
CN103905554B (zh) 基于无线定位和视频技术实现军队医院人员物资管理方法
CN113609925A (zh) 一种lng装卸作业安全管控***及违规行为识别方法
CN107481152A (zh) 企业的安全指数分析***及分析方法
CN106204405A (zh) 一种高安全性校车信息处理***
CN112883098A (zh) 一种多源异构***数据融合方法
CN112116307A (zh) 一种可溯源的工程勘察数据管理方法及***
CN109984413A (zh) 一种智能安全帽管理***
CN116843158B (zh) 综合安全检查管理***
CN111444983B (zh) 一种基于传感数据信息指纹的风险事件识别方法与***
CN213120634U (zh) 一种铁路健康监测***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant