CN118134270A - 一种矿山安全风险预警方法及*** - Google Patents

Abstract

本发明涉及一种矿山安全风险预警方法及***，方法包括：通过安全监测***采集矿山作业现场的监测数据；对监测数据进行聚类处理，将监测数据分为多个簇；对监测数据和簇进行处理，确定每个监测数据的异常度；基于清洗阈值，以及每个监测数据的异常度，确定异常度大于清洗阈值的异常数据，并获取异常数据以外的正常数据的容量；基于当前时刻的监测数据的异常度，以及安全监测***当前时刻用于存储正常数据的备份容量，预测安全监测***在下一个预设时刻的第一备份容量；若当前时刻的正常数据的容量小于第一备份容量，则向矿山作业现场的区域发出安全预警的同时，增大清洗阈值。本发明能够提升矿山安全监测的稳定性，以及预警的准确性和及时性。

Description

一种矿山安全风险预警方法及***

技术领域

本发明涉及矿山生产安全技术领域，尤其涉及一种矿山安全风险预警方法、***、电子设备和非暂态计算机可读存储介质。

背景技术

现如今，建立矿山安全生产监测预警***可以用于发现人员违规行为及现场设备异常情况，及时告警并将报警信息推送至管理中心。该***实现了煤矿作业场景的自动化、无人值守管控，促进了煤矿行业的数字化转型。

然而，现有***的云端备份数据的容量占比过低导致监测设备供电不稳定，标准数据清洗阈值过低导致非异常数据被清洗，进而降低了监测终端的稳定性和监测有效性，也就无法保证矿山安全风险预警的准确性和及时性。

发明内容

本发明针对现有技术中存在的技术问题，提供一种能够提升矿山安全监测的稳定性，以及安全预警的准确性和及时性的矿山安全风险预警方法、***、电子设备和非暂态计算机可读存储介质。

本发明解决上述技术问题的技术方案如下：

本发明提供一种矿山安全风险预警方法，所述方法包括：

通过安全监测***采集矿山作业现场的监测数据；所述监测数据与所述矿山作业现场的安全风险相关；

对所述监测数据进行聚类处理，将所述监测数据分为多个簇；

对所述监测数据和所述簇进行处理，确定每个所述监测数据的异常度；

基于清洗阈值，以及每个所述监测数据的异常度，确定异常度大于所述清洗阈值的异常数据，并获取所述异常数据以外的正常数据的容量；

基于当前时刻的所述监测数据的异常度，以及所述安全监测***当前时刻用于存储所述正常数据的备份容量，预测所述安全监测***在下一个预设时刻的第一备份容量；

若当前时刻的正常数据的容量小于所述第一备份容量，则向所述矿山作业现场的区域发出安全预警的同时，增大所述清洗阈值。

可选的，所述对所述监测数据和所述簇进行处理，确定每个所述监测数据的异常度，包括：

确定每个所述簇的簇中心；每个所述簇中心对应一个监测数据；

针对每个所述监测数据，确定所述监测数据到对应簇中心的欧式距离的第一距离、到全部簇中心的最小欧式距离的第二距离，以及到全部簇中心的最大欧式距离的第三距离；

基于所述第一距离、所述第二距离和所述第三距离，确定所述监测数据的异常度。

可选的，所述第一距离表示为：

；

其中，i为编号值，为多个所述监测数据中的第i个数据点，为第i个簇中心，即 数据点所属的簇中心。

可选的，所述异常度表示为：

；

其中，i和j为编号值，k是簇的总数，是第i个监测数据的异常度，是第 一距离，是第二距离，是第三距离。

可选的，在所述确定异常度大于所述清洗阈值的异常数据之前，还包括：确定所述监测数据的清洗阈值，所述清洗阈值通过以下步骤确定：

基于每个所述监测数据的异常度以及多个所述监测数据的总数，确定多个所述监测数据的平均异常度；

基于多个所述监测数据的异常度和所述平均异常度，确定对应的异常度标准差；

获取第一常数，并基于所述第一常数、所述平均异常度以及所述异常度标准差，确定所述清洗阈值。

可选的，所述清洗阈值表示为：

；

其中，T是清洗阈值，n是监测数据的总数，是第一常数，是异常度标准差。

可选的，所述预测所述安全监测***在下一个预设时刻的第一备份容量，包括：

当前时刻的所述监测数据的异常度，以及所述安全监测***当前时刻用于存储所述正常数据的备份容量；

获取所述安全监测***的***负载情况，以及备份历史数据的历史备份数据量；

基于预测函数处理所述当前时刻的所述监测数据的异常度、所述备份容量、所述***负载情况和所述历史备份数据量，预测得到下一预设时刻的所述第一备份容量。

可选的，所述第一备份容量表示为：

；

其中，是下一预设时刻t+1的备份容量，分别为所述安全监测系 统对应的所述当前时刻t的备份容量、监测数据的异常度、***负载情况、历史备份数据量， f(⋅)为预测函数。

可选的，所述采集矿山作业现场的监测数据，包括：

在所述矿山作业现场布置采集设备，所述采集设备包括设备传感器、环境监测仪、视频监控器、人员***、数据传输存储器；

接收所述采集设备发送的初始监测数据；

对所述初始监测数据进行预处理，将预处理后的数据作为所述监测数据。

本发明还提供一种矿山安全风险预警***，所述***包括：

数据采集模块，用于通过安全监测***采集矿山作业现场的监测数据；所述监测数据与所述矿山作业现场的安全风险相关；

数据聚类模块，用于对所述监测数据进行聚类处理，将所述监测数据分为多个簇；

异常度计算模块，用于对所述监测数据和所述簇进行处理，确定每个所述监测数据的异常度；

异常确定模块，用于基于清洗阈值，以及每个所述监测数据的异常度，确定异常度大于所述清洗阈值的异常数据，并获取所述异常数据以外的正常数据的容量；

容量计算模块，用于基于当前时刻的所述监测数据的异常度，以及所述安全监测***当前时刻用于存储所述正常数据的备份容量，预测所述安全监测***在下一个预设时刻的第一备份容量；

安全预警模块，用于若当前时刻的正常数据的容量小于所述第一备份容量，则向所述矿山作业现场的区域发出安全预警的同时，增大所述清洗阈值。

此外，为实现上述目的，本发明还提出一种电子设备，包括：存储器，用于存储计算机软件程序；处理器，用于读取并执行所述计算机软件程序，进而实现如上文所述的一种矿山安全风险预警方法。

此外，为实现上述目的，本发明还提出一种非暂态计算机可读存储介质，所述存储介质中存储有计算机软件程序，所述计算机软件程序被处理器执行时实现如上文所述的一种矿山安全风险预警方法。

本发明的有益效果是：

（1）本发明通过对比当前时刻的正常数据的容量与***预测备份容量的大小，动态调整***的备份容量和清洗阈值，根据实际需求和***负载情况对备份***进行智能化管理，不仅能够得到更加合理的清洗阈值，避免正常数据被清洗，稳定备份数据的占比来提高对矿山风险安全监测的稳定性和有效性，来提升矿山安全预警的及时性和准确性，还能够提高资源的利用效率、减少资源的浪费。

（2）本发明通过实时监测和预警***，可以及时发现矿山作业中的异常行为和设备异常，有效降低了事故发生的风险，提高了矿山作业的安全性。

（3）本发明能够减轻人工监测的负担，使得监测更加全面和及时，且及时预警和响应能力能够提高矿山生产的效率，避免了生产中断和延误。

（4）本发明实现了矿山作业场景的自动化和无人值守管控，推动了矿山行业的数字化转型，提高了信息化管理水平。

（5）本发明通过预防事故和优化生产流程，减少了事故带来的损失和生产停滞的成本，同时提高了资源利用效率，降低了备份和存储的成本。

综上所述，本发明将为矿山企业带来全面的效益，不仅能够提升安全性和生产效率，还能够降低成本和促进数字化转型，为矿山行业的可持续发展提供有力支持。

附图说明

图1为本发明提供的一种矿山安全风险预警方法的场景图；

图2为本发明提供的一种矿山安全风险预警方法的流程图；

图3为本发明提供的一种矿山安全风险预警***的结构示意图；

图4为本发明提供的一种可能的电子设备的硬件结构示意图；

图5为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域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。

在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明的描述中，术语“例如”一词用来表示“用作例子、例证或说明”。本发明中被描述为“例如”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本发明所公开的原理和特征的最广范围相一致。

请参阅图1，图1为本发明提供的一种矿山安全风险预警方法的场景图。如图1所示，终端与服务器之间通过网络连接，比如，通过有线或无线网络连接等。其中，终端可以包括但不局限于安装有各个网络平台应用的手机、平板等便携终端，以及电脑、查询机、广告机等固定终端。其中，服务器为用户提供各种业务服务，包括服务推送服务器、用户推荐服务器等。

需要说明的是，图1所示的一种矿山安全风险预警方法的场景图仅仅是一个示例，本发明实施例描述的终端、服务器以及应用场景是为了更加清楚的说明本发明实施例的技术方案，并不生成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着***的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题同样适用。

其中，终端可以用于：

通过安全监测***采集矿山作业现场的监测数据；所述监测数据与所述矿山作业现场的安全风险相关；

对所述监测数据进行聚类处理，将所述监测数据分为多个簇；

对所述监测数据和所述簇进行处理，确定每个所述监测数据的异常度；

基于清洗阈值，以及每个所述监测数据的异常度，确定异常度大于所述清洗阈值的异常数据，并获取所述异常数据以外的正常数据的容量；

基于当前时刻的所述监测数据的异常度，以及所述安全监测***当前时刻用于存储所述正常数据的备份容量，预测所述安全监测***在下一个预设时刻的第一备份容量；

若当前时刻的正常数据的容量小于所述第一备份容量，则向所述矿山作业现场的区域发出安全预警的同时，增大所述清洗阈值。

请参阅图2，提供了本发明的一种矿山安全风险预警方法的流程图，包括以下步骤：

步骤201、通过安全监测***采集矿山作业现场的监测数据。

其中，监测数据可以与矿山作业现场的安全风险相关。

在一些实施例中，步骤201可以包括：

在所述矿山作业现场布置采集设备，所述采集设备包括设备传感器、环境监测仪、视频监控器、人员***、数据传输存储器；

接收所述采集设备发送的初始监测数据；

对所述初始监测数据进行预处理，将预处理后的数据作为所述监测数据。

具体实现中，设备传感器可以安装在关键设备上，用于监测设备的运行状态和工作参数，例如温度、压力、振动等。环境监测仪可以放置在矿山作业场景周围，用于监测空气质量、噪音水平、灰尘浓度等环境参数。视频监控器可以设置在矿山作业现场各个角落，用于实时监测工人的工作情况、设备的运行状态以及作业场景的变化。人员***可以通过工人佩戴的定位装置，实时跟踪工人的位置和移动轨迹，以及他们的安全状态。数据传输存储器可以用于将采集到的监测数据传输到数据中心，并进行存储和管理。

在一些实施例中，安全监测***可以接收来自各个采集设备发送的原始监测数据，例如包括传感器收集到的实时数据、视频监控器拍摄到的图像和视频、人员***跟踪到的工人位置信息等。

在一些实施例中，可以对接收到的原始监测数据进行预处理，例如包括数据清洗，去除噪声和异常值；数据校正，确保数据的准确性和一致性；数据整合，将不同来源的数据整合到统一的数据格式中等。

在一些实施例中，预处理后的数据被视为最终的监测数据，能够反映矿山作业现场的实时状态和情况。这些监测数据可以包括设备运行参数、环境指标、工人位置轨迹、视频监控画面等多种信息。

通过以上方式，安全监测***能够全面、及时地采集和记录矿山作业现场的监测数据。这些数据对于识别潜在的安全风险、提高作业效率和保障工人安全至关重要。

步骤202、对所述监测数据进行聚类处理，将所述监测数据分为多个簇。

在一些实施例中，采集到的监测数据可以为，将监测数据分 为不同的簇，簇中心为，k是簇的总数。

可以理解，在聚类处理中，每个簇都有一个簇中心，代表该簇中所有数据点的 平均值或中心点，簇中心的选择通常是通过计算簇中所有数据点的均值来确定的。

通过将监测数据分为多个簇，可以更好地理解数据的分布情况和特征，识别出不同的数据模式和行为规律，有助于发现潜在的异常状况或者不同簇之间的差异，从而提供更准确的安全风险预警和管理建议。

步骤203、对所述监测数据和所述簇进行处理，确定每个所述监测数据的异常度。

在一些实施例中，步骤203可以包括：

确定每个所述簇的簇中心；每个所述簇中心对应一个监测数据；

针对每个所述监测数据，确定所述监测数据到对应簇中心的欧式距离的第一距离、到全部簇中心的最小欧式距离的第二距离，以及到全部簇中心的最大欧式距离的第三距离；

基于所述第一距离、所述第二距离和所述第三距离，确定所述监测数据的异常度。

在一些实施例中，第一距离表示为：

；

其中，i为编号值，为多个所述监测数据中的第i个数据点，为第i个簇中心，即 数据点所属的簇中心。

在一些实施例中，异常度表示为：

；

其中，i和j为编号值，k是簇的总数，是第i个监测数据的异常度，是第 一距离，是第二距离，是第三距离。

步骤204、基于清洗阈值，以及每个所述监测数据的异常度，确定异常度大于所述清洗阈值的异常数据，并获取所述异常数据以外的正常数据的容量。

具体实现中，是监测数据的数据点与其所属簇中心之间的欧氏距 离。欧氏距离是用来衡量两个点之间的距离，在数学上定义为两点之间的直线距离，即两点 之间的最短路径长度。

是数据点与所有簇中心的距离的最小值。在该公式中，寻找 了数据点与所有簇中心之间距离的最小值，即到最近的簇中心的距离。

是数据点与所有簇中心的距离的最大值。在该公式中，寻找 了数据点与所有簇中心之间距离的最大值，即到最远的簇中心的距离。

是归一化处理后的异常度，表示数据点相对于其所属簇的异常度。的值在 0 到 1 之间，值越大表示该数据点越异常。

进作为示例，假设有一个簇中心和一个数据点，它们之间的距离是10。假设该 数据点到其他所有簇中心的距离的最小值是 5，最大值是 20。那么，根据公式计算出，也即该数据点的异常度为 1/3，假设清洗阈值T为0.1，该异常度大于清 洗阈值T，即相对于其所属簇而言，是一个比较异常的数据点。

在一些实施例中，在步骤204之前，还可以包括：

确定所述监测数据的清洗阈值，所述清洗阈值通过以下步骤确定：

基于每个所述监测数据的异常度以及多个所述监测数据的总数，确定多个所述监测数据的平均异常度；

基于多个所述监测数据的异常度和所述平均异常度，确定对应的异常度标准差；

获取第一常数，并基于所述第一常数、所述平均异常度以及所述异常度标准差，确定所述清洗阈值。

在一些实施例汇中，清洗阈值表示为：

；

其中，T是清洗阈值，n是监测数据的总数，是第一常数，是异常度标准差。

具体实现中，是所有数据点的异常度的总和，将每个数据点的异常度相 加，以计算它们的平均值。

n是数据点的总数，也就是监测数据中的样本数量；是所有数据点的异常度 的平均值，通过将异常度的总和除以数据点的总数，得到了数据点的平均异常度。

σ是整个监测数据集的异常度的标准差，它衡量了数据点集群异常度的离散程度，标准差越大，数据点集群的异常度越分散。

a是一个常数，用于调节异常度的标准差对清洗阈值的影响，通过调节a，可以控制清洗阈值的灵敏度，使其更加适应不同的数据分布和***环境。

因此，T的计算方法是将所有数据点的异常度的平均值与异常度的标准差σ 相结合，以确定清洗阈值。目的是使清洗阈值能够同时考虑到数据点的平均异常度和异常 度的分散程度，从而更准确地识别出异常数据。

步骤205、基于当前时刻的所述监测数据的异常度，以及所述安全监测***当前时刻用于存储所述正常数据的备份容量，预测所述安全监测***在下一个预设时刻的第一备份容量。

在一些实施例中，步骤205可以包括：

当前时刻的所述监测数据的异常度，以及所述安全监测***当前时刻用于存储所述正常数据的备份容量；

获取所述安全监测***的***负载情况，以及备份历史数据的历史备份数据量；

基于预测函数处理所述当前时刻的所述监测数据的异常度、所述备份容量、所述***负载情况和所述历史备份数据量，预测得到下一预设时刻的所述第一备份容量。

在一些实施例中，第一备份容量表示为：

；

其中，是下一预设时刻t+1的备份容量，分别为所述安全监测系 统对应的所述当前时刻t的备份容量、监测数据的异常度、***负载情况、历史备份数据量， f(⋅)为预测函数。

具体实现中，是在时间时刻的容量值，表示***在下一个时间步骤的备 份容量。通过调整，可以适应不断变化的***环境和数据特性，以确保备份***的高效 运行和数据完整性。

是在时间t时刻的容量值，表示***当前的备份容量，是上一个时间步骤的容量 值。

是在时间t时刻的异常度，表示***在当前时间步骤的监测数据中检测到的异 常度。异常度可以根据监测数据的特征和模式进行计算，用来评估***的当前运行状态 和数据的异常情况。

是在时间t时刻的***负载情况，表示***当前的工作负荷和资源利用情况。系 统负载可以根据***的性能指标、资源利用率和工作负荷等因素进行评估，用来判断*** 是否处于繁忙状态或资源不足的情况。

是在时间t时刻的历史备份数据量，表示***在过去一段时间内已经备份的数 据量，历史备份数据量可以用来预测未来备份需求和容量需求，从而调整备份***的容 量以满足未来数据存储需求。

f(⋅)是一个预测函数，用来根据当前的异常度、***负载情况和历史备份数 据量来确定下一个时间步骤的容量。该函数可以根据实际情况和需求进行设计，以 确保备份***在不同的环境下能够有效地运行和适应数据变化。通常情况下，该函数会结 合历史数据分析、预测模型和策略优化方法来确定最优的容量调整策略。

综上所述，的计算公式描述了备份***在时间步骤如何根据当前的异 常度、***负载情况和历史备份数据量来动态调整容量，以适应不断变化的***环境和数 据特性。

步骤206、若当前时刻的正常数据的容量小于所述第一备份容量，则向所述矿山作业现场的区域发出安全预警的同时，增大所述清洗阈值。

可以理解的是，如果当前时刻的正常数据容量小于所述第一备份容量，则表 明备份***的容量可能偏大，存在资源浪费。在这种情况下，需要采取相应的措施来调整备 份***的工作参数，以提高资源利用效率和***的稳定性。

在一些实施例中，当检测到当前时刻的正常数据容量小于备份容量时，*** 应立即向矿山作业现场的相关区域发出安全预警信号。这有助于提醒相关工作人员注意存 在的安全风险，并及时采取措施降低风险发生。

同时，为了降低异常数据对***的影响并减少不必要的数据备份，可以增大数据清洗阈值T的数值。通过增大T值，可以提高判定数据为异常的标准，从而更多地保留正常数据而减少异常数据的备份量。

通过以上方式，可以帮助***有效地调整备份容量和数据清洗策略，提高备份***的资源利用效率和稳定性。同时，及时发出安全预警也有助于提高矿山作业现场的安全性和管理水平，降低潜在的安全风险。

在一些实施例中，监测***可以通过实时监测矿山作业现场的各项数据，例如设备运行状态、环境参数、工人活动等，以便及时发现任何异常情况或潜在的安全风险。

在一些实施例中，可以根据预先设定的安全预警标准和阈值，对监测数据进行分析和比对。如果监测数据中存在与安全预警标准相符的异常情况，***将触发安全预警信号。

在一些实施例中，一旦监测***检测到异常情况，并符合安全预警标准，***将立即向矿山作业现场的相关区域发出安全预警信号，例如可以包括声音警报、闪光灯警示、手机短信通知等形式，以便迅速引起相关人员的注意。

在一些实施例中，接收到安全预警信号后，矿山作业现场的相关人员应立即采取相应的应对措施，例如停止作业、撤离危险区域、检查设备状态、增强安全防护等，以确保人员和设备的安全。

通过以上方式，向矿山作业现场的区域发出安全预警，监测***可以帮助提高工作人员对潜在安全风险的警觉性和应对能力，从而及时预防事故的发生，保障矿山作业的安全和稳定进行。

请参阅图3，图3为本发明提供的一种矿山安全风险预警***的结构示意图。

如图3所示，本发明实施例提出的一种矿山安全风险预警***包括：

数据采集模块301，用于通过安全监测***采集矿山作业现场的监测数据；所述监测数据与所述矿山作业现场的安全风险相关；

数据聚类模块302，用于对所述监测数据进行聚类处理，将所述监测数据分为多个簇；

异常度计算模块303，用于对所述监测数据和所述簇进行处理，确定每个所述监测数据的异常度；

异常确定模块304，用于基于清洗阈值，以及每个所述监测数据的异常度，确定异常度大于所述清洗阈值的异常数据，并获取所述异常数据以外的正常数据的容量；

容量计算模块305，用于基于当前时刻的所述监测数据的异常度，以及所述安全监测***当前时刻用于存储所述正常数据的备份容量，预测所述安全监测***在下一个预设时刻的第一备份容量；

安全预警模块306，用于若当前时刻的正常数据的容量小于所述第一备份容量，则向所述矿山作业现场的区域发出安全预警的同时，增大所述清洗阈值。

请参阅图4，图4为本发明实施例提供的电子设备的实施例示意图。如图4所示，本发明实施例提了一种电子设备400，包括存储器410、处理器420及存储在存储器410上并可在处理器420上运行的计算机程序411，处理器420执行计算机程序411时实现以下步骤：

通过安全监测***采集矿山作业现场的监测数据；所述监测数据与所述矿山作业现场的安全风险相关；

对所述监测数据进行聚类处理，将所述监测数据分为多个簇；

对所述监测数据和所述簇进行处理，确定每个所述监测数据的异常度；

基于清洗阈值，以及每个所述监测数据的异常度，确定异常度大于所述清洗阈值的异常数据，并获取所述异常数据以外的正常数据的容量；

基于当前时刻的所述监测数据的异常度，以及所述安全监测***当前时刻用于存储所述正常数据的备份容量，预测所述安全监测***在下一个预设时刻的第一备份容量；

若当前时刻的正常数据的容量小于所述第一备份容量，则向所述矿山作业现场的区域发出安全预警的同时，增大所述清洗阈值。

请参阅图5，图5为本发明实施例提供的一种计算机可读存储介质的实施例示意图。如图5所示，本实施例提供了一种计算机可读存储介质500，其上存储有计算机程序411，该计算机程序411被处理器执行时实现如下步骤：

通过安全监测***采集矿山作业现场的监测数据；所述监测数据与所述矿山作业现场的安全风险相关；

对所述监测数据进行聚类处理，将所述监测数据分为多个簇；

对所述监测数据和所述簇进行处理，确定每个所述监测数据的异常度；

基于清洗阈值，以及每个所述监测数据的异常度，确定异常度大于所述清洗阈值的异常数据，并获取所述异常数据以外的正常数据的容量；

基于当前时刻的所述监测数据的异常度，以及所述安全监测***当前时刻用于存储所述正常数据的备份容量，预测所述安全监测***在下一个预设时刻的第一备份容量；

若当前时刻的正常数据的容量小于所述第一备份容量，则向所述矿山作业现场的区域发出安全预警的同时，增大所述清洗阈值。

需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备（***）、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的***。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令***的制造品，该指令***实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

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，则本发明也意图包括这些改动和变型在内。

Claims (10)

1.一种矿山安全风险预警方法，其特征在于，所述方法包括：

通过安全监测***采集矿山作业现场的监测数据；所述监测数据与所述矿山作业现场的安全风险相关；

对所述监测数据进行聚类处理，将所述监测数据分为多个簇；

对所述监测数据和所述簇进行处理，确定每个所述监测数据的异常度；

基于清洗阈值，以及每个所述监测数据的异常度，确定异常度大于所述清洗阈值的异常数据，并获取所述异常数据以外的正常数据的容量；

基于当前时刻的所述监测数据的异常度，以及所述安全监测***当前时刻用于存储所述正常数据的备份容量，预测所述安全监测***在下一个预设时刻的第一备份容量；

若当前时刻的正常数据的容量小于所述第一备份容量，则向所述矿山作业现场的区域发出安全预警的同时，增大所述清洗阈值。

2.根据权利要求1所述的矿山安全风险预警方法，其特征在于，所述对所述监测数据和所述簇进行处理，确定每个所述监测数据的异常度，包括：

确定每个所述簇的簇中心；每个所述簇中心对应一个监测数据；

针对每个所述监测数据，确定所述监测数据到对应簇中心的欧式距离的第一距离、到全部簇中心的最小欧式距离的第二距离，以及到全部簇中心的最大欧式距离的第三距离；

基于所述第一距离、所述第二距离和所述第三距离，确定所述监测数据的异常度。

3.根据权利要求2所述的矿山安全风险预警方法，其特征在于，所述第一距离表示为：

；

其中，i为编号值，为多个所述监测数据中的第i个数据点，/>为第i个簇中心，即数据点/>所属的簇中心。

4.根据权利要求3所述的矿山安全风险预警方法，其特征在于，所述异常度表示为：

；

其中，i和j为编号值，k是簇的总数，是第i个监测数据的异常度，/>是第一距离，/>是第二距离，/>是第三距离。

5.根据权利要求4所述的矿山安全风险预警方法，其特征在于，在所述确定异常度大于所述清洗阈值的异常数据之前，还包括：确定所述监测数据的清洗阈值，所述清洗阈值通过以下步骤确定：

基于每个所述监测数据的异常度以及多个所述监测数据的总数，确定多个所述监测数据的平均异常度；

基于多个所述监测数据的异常度和所述平均异常度，确定对应的异常度标准差；

获取第一常数，并基于所述第一常数、所述平均异常度以及所述异常度标准差，确定所述清洗阈值。

6.根据权利要求5所述的矿山安全风险预警方法，其特征在于，所述清洗阈值表示为：

；

其中，T是清洗阈值，n是监测数据的总数，是第一常数，/>是异常度标准差。

7.根据权利要求6所述的矿山安全风险预警方法，其特征在于，所述预测所述安全监测***在下一个预设时刻的第一备份容量，包括：

当前时刻的所述监测数据的异常度，以及所述安全监测***当前时刻用于存储所述正常数据的备份容量；

获取所述安全监测***的***负载情况，以及备份历史数据的历史备份数据量；

基于预测函数处理所述当前时刻的所述监测数据的异常度、所述备份容量、所述***负载情况和所述历史备份数据量，预测得到下一预设时刻的所述第一备份容量。

8.根据权利要求7所述的矿山安全风险预警方法，其特征在于，所述第一备份容量表示为：

；

其中，是下一预设时刻t+1的备份容量，/>分别为所述安全监测***对应的所述当前时刻t的备份容量、监测数据的异常度、***负载情况、历史备份数据量，f(⋅)为预测函数。

9.根据权利要求1-8中任一项所述的矿山安全风险预警方法，其特征在于，所述采集矿山作业现场的监测数据，包括：

在所述矿山作业现场布置采集设备，所述采集设备包括设备传感器、环境监测仪、视频监控器、人员***、数据传输存储器；

接收所述采集设备发送的初始监测数据；

对所述初始监测数据进行预处理，将预处理后的数据作为所述监测数据。

10.一种矿山安全风险预警***，其特征在于，所述***包括：

数据采集模块，用于通过安全监测***采集矿山作业现场的监测数据；所述监测数据与所述矿山作业现场的安全风险相关；

数据聚类模块，用于对所述监测数据进行聚类处理，将所述监测数据分为多个簇；

异常度计算模块，用于对所述监测数据和所述簇进行处理，确定每个所述监测数据的异常度；

异常确定模块，用于基于清洗阈值，以及每个所述监测数据的异常度，确定异常度大于所述清洗阈值的异常数据，并获取所述异常数据以外的正常数据的容量；

容量计算模块，用于基于当前时刻的所述监测数据的异常度，以及所述安全监测***当前时刻用于存储所述正常数据的备份容量，预测所述安全监测***在下一个预设时刻的第一备份容量；

安全预警模块，用于若当前时刻的正常数据的容量小于所述第一备份容量，则向所述矿山作业现场的区域发出安全预警的同时，增大所述清洗阈值。