本發(fā)明涉及信息交互處理，特別涉及一種煤礦災(zāi)害融合監(jiān)控與智能決策系統(tǒng)及方法。

背景技術(shù)：

1、煤礦災(zāi)害是指在煤礦生產(chǎn)過程中發(fā)生的事故或?yàn)?zāi)難，包括煤礦爆炸、礦井塌方及煤礦火災(zāi)等，這些災(zāi)害可能會導(dǎo)致人員傷亡、財產(chǎn)損失以及環(huán)境污染等嚴(yán)重后果。通過監(jiān)控可以對煤礦進(jìn)行實(shí)時、全面的監(jiān)測和管理，以及及時預(yù)警和應(yīng)對煤礦災(zāi)害；可以最大程度地減少煤礦災(zāi)害的發(fā)生，保護(hù)礦工的生命安全和煤礦的可持續(xù)發(fā)展。但是現(xiàn)有技術(shù)缺乏統(tǒng)一的支撐體系，導(dǎo)致災(zāi)害監(jiān)控手段有限，不能做到對災(zāi)害發(fā)生的有效處理。

2、現(xiàn)有技術(shù)一，申請?zhí)枺篶n?202310077185.5公開了一種煤礦災(zāi)害的風(fēng)險監(jiān)測方法、裝置、電子設(shè)備及存儲介質(zhì)，包括：獲取待檢測區(qū)域的初始生產(chǎn)數(shù)據(jù)和初始靜態(tài)數(shù)據(jù)，處理初始生產(chǎn)數(shù)據(jù)和初始靜態(tài)數(shù)據(jù)，得到待檢測區(qū)域中多個災(zāi)害種類對應(yīng)的災(zāi)害致災(zāi)前兆信息，根據(jù)待檢測區(qū)域的礦井條件信息，確定煤礦災(zāi)害預(yù)警處理模型，以及根據(jù)煤礦災(zāi)害預(yù)警處理模型對多個災(zāi)害致災(zāi)前兆信息進(jìn)行聯(lián)合分析處理，得到待檢測區(qū)域的綜合災(zāi)害風(fēng)險信息。雖然能夠聯(lián)合分析待檢測區(qū)域的多種災(zāi)害的預(yù)測數(shù)據(jù)，在成災(zāi)之前根據(jù)獲得的災(zāi)害隱患和前兆信息，評估災(zāi)害發(fā)生的可能性和危害性，實(shí)現(xiàn)煤礦災(zāi)害的實(shí)時的準(zhǔn)確的預(yù)警，有效提升煤礦生產(chǎn)的安全性。但是對信息處理速度效率較低，不能形成對災(zāi)害的有效監(jiān)控。

3、現(xiàn)有技術(shù)二，申請?zhí)枺篶n?202310511207.4公開了一種煤礦災(zāi)害監(jiān)測預(yù)警分析專題網(wǎng)絡(luò)地圖制作方法，包括以下步驟：獲取并將2000國家大地坐標(biāo)系下的煤礦二維cad矢量圖件中無關(guān)數(shù)據(jù)進(jìn)行清理；將清理后的矢量圖件按照圖框最外邊界轉(zhuǎn)存為柵格形式的圖片，得到柵格圖片；獲取柵格圖片的屬性參數(shù)；進(jìn)行瓦片切割得到多分辨率層次瓦片數(shù)據(jù)；將多分辨率層次瓦片數(shù)據(jù)及其對應(yīng)的屬性參數(shù)進(jìn)行網(wǎng)絡(luò)發(fā)布并用作煤礦災(zāi)害監(jiān)測預(yù)警分析專題底圖，完成煤礦災(zāi)害監(jiān)測預(yù)警分析專題網(wǎng)絡(luò)地圖制作。雖然可以將煤礦災(zāi)害監(jiān)測預(yù)警所需的專題圖件快速地進(jìn)行加載顯示，并且能夠與監(jiān)測數(shù)據(jù)準(zhǔn)確地進(jìn)行空間匹配，解決了煤礦生產(chǎn)技術(shù)制圖用作煤礦災(zāi)害監(jiān)測預(yù)警分析專題圖件制作時處理繁瑣及共享不便的問題。但是缺乏對災(zāi)害發(fā)生信息的采集及處理，僅能實(shí)現(xiàn)位置識別，不能對災(zāi)害發(fā)生進(jìn)行預(yù)測。

4、現(xiàn)有技術(shù)三，申請?zhí)枺篶n?202410002795.3公開了一種煤礦災(zāi)害數(shù)據(jù)質(zhì)量評價模型構(gòu)建和評價方法及裝置，包括：獲取目標(biāo)煤礦災(zāi)害數(shù)據(jù)質(zhì)量的評價目標(biāo)、評價指標(biāo)和評價子指標(biāo)；獲取評價目標(biāo)和評價指標(biāo)之間的第一重要度，獲取評價指標(biāo)和評價子指標(biāo)之間的第二重要度；基于評價目標(biāo)、評價指標(biāo)、評價子指標(biāo)、第一重要度和第二重要度建立煤礦災(zāi)害數(shù)據(jù)質(zhì)量評價模型。雖然通過獲取評價目標(biāo)、評價指標(biāo)和評價子指標(biāo)，考慮多個評價指標(biāo)和權(quán)重進(jìn)行模型構(gòu)建，可以得到更加完善的煤礦災(zāi)害數(shù)據(jù)質(zhì)量評價模型，相較于單一指標(biāo)或角度的評價方法，更能反映數(shù)據(jù)質(zhì)量的真實(shí)情況，同時可以提升質(zhì)量評價的效率和準(zhǔn)確率，可以反映數(shù)據(jù)質(zhì)量的真實(shí)情況，為后續(xù)決策者根據(jù)結(jié)果進(jìn)行決策和改進(jìn)提供數(shù)據(jù)基礎(chǔ)。但是數(shù)據(jù)繁瑣，模型處理數(shù)據(jù)效率較低，不利于盡快獲得監(jiān)控的結(jié)果。

5、目前現(xiàn)有技術(shù)一、現(xiàn)有技術(shù)二及現(xiàn)有技術(shù)三存在缺乏統(tǒng)一的支撐體系，導(dǎo)致災(zāi)害監(jiān)控手段有限，不能做到對災(zāi)害發(fā)生的有效處理的問題。因而，本發(fā)明提供一種煤礦災(zāi)害融合監(jiān)控與智能決策系統(tǒng)及方法，對煤礦災(zāi)害融合監(jiān)控與智能決策的管理，建立統(tǒng)一建設(shè)、分布應(yīng)用的業(yè)務(wù)支撐體系，開發(fā)信息推理和智能研判技術(shù)，對煤礦水、火、瓦斯、頂板及粉塵五類災(zāi)害防控過程進(jìn)行邏輯歸納和演繹推理，實(shí)現(xiàn)應(yīng)急決策過程中的人機(jī)交互和可視化通訊，形成煤礦災(zāi)融合監(jiān)控與智能決策的技術(shù)方案。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述技術(shù)問題，本發(fā)明提供了一種煤礦災(zāi)害融合監(jiān)控與智能決策系統(tǒng)，包含：

2、指標(biāo)獲取組件，負(fù)責(zé)通過監(jiān)測設(shè)備對煤礦內(nèi)部環(huán)境的災(zāi)害指標(biāo)，進(jìn)行實(shí)時數(shù)據(jù)采集，對采集的災(zāi)害指標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)整合，得到整合后的災(zāi)害指標(biāo)數(shù)據(jù)；

3、推理研判組件，負(fù)責(zé)基于整合后的災(zāi)害指標(biāo)數(shù)據(jù)，運(yùn)用信息推理和智能研判，對煤礦災(zāi)害發(fā)生的可能性和嚴(yán)重程度進(jìn)行推測，預(yù)測可能的災(zāi)害風(fēng)險；

4、人機(jī)交互組件，負(fù)責(zé)通過人機(jī)交互界面，通過可視化技術(shù)，將監(jiān)控數(shù)據(jù)、預(yù)測結(jié)果及決策方案以圖形化方式展示，進(jìn)行交互式的決策。

5、可選的，推理研判組件，包含：

6、模型建立模塊，負(fù)責(zé)基于整合后的災(zāi)害指標(biāo)數(shù)據(jù)，使用機(jī)器學(xué)習(xí)算法建立隨機(jī)森林模型，隨機(jī)森林模型根據(jù)歷史數(shù)據(jù)和實(shí)時數(shù)據(jù)，學(xué)習(xí)煤礦災(zāi)害發(fā)生的規(guī)律和特征，以及與災(zāi)害發(fā)生相關(guān)的因素和影響因素；

7、推斷預(yù)測模塊，負(fù)責(zé)利用建立的隨機(jī)森林模型，利用概率統(tǒng)計對煤礦災(zāi)害發(fā)生的可能性和嚴(yán)重程度進(jìn)行推斷和預(yù)測，評估當(dāng)前的災(zāi)害風(fēng)險；根據(jù)預(yù)測的結(jié)果，進(jìn)行相應(yīng)的決策和控制措施，進(jìn)行災(zāi)害防控，制定相應(yīng)的應(yīng)急決策方案；

8、反饋優(yōu)化模塊，負(fù)責(zé)根據(jù)決策效果，對隨機(jī)森林模型進(jìn)行反饋及優(yōu)化，根據(jù)實(shí)際發(fā)生的災(zāi)害情況和決策結(jié)果，對隨機(jī)森林模型進(jìn)行評估和改進(jìn)。

9、可選的，模型建立模塊，包含：

10、特征提取子模塊，負(fù)責(zé)接收整合后的災(zāi)害指標(biāo)數(shù)據(jù)，收集煤礦災(zāi)害相關(guān)的數(shù)據(jù)，包含歷史數(shù)據(jù)和實(shí)時數(shù)據(jù)，對收集到的數(shù)據(jù)進(jìn)行清洗，提取目標(biāo)特征；

11、模型訓(xùn)練子模塊，負(fù)責(zé)選擇隨機(jī)森林的機(jī)器學(xué)習(xí)算法，使用災(zāi)害指標(biāo)數(shù)據(jù)的數(shù)據(jù)集對隨機(jī)森林模型進(jìn)行訓(xùn)練；使用準(zhǔn)確率及召回率評估指標(biāo)對訓(xùn)練好的隨機(jī)森林模型進(jìn)行評估；

12、重訓(xùn)練子模塊，負(fù)責(zé)隨機(jī)森林模型根據(jù)目標(biāo)特征，學(xué)習(xí)煤礦災(zāi)害發(fā)生的規(guī)律和特征，以及與災(zāi)害發(fā)生相關(guān)的因素和影響因素，更新數(shù)據(jù)集，實(shí)現(xiàn)隨機(jī)森林模型的重訓(xùn)練。

13、可選的，模型訓(xùn)練子模塊，包含：

14、數(shù)量確認(rèn)單元，負(fù)責(zé)選擇隨機(jī)森林作為機(jī)器學(xué)習(xí)算法，并確定決策樹的數(shù)量；隨機(jī)森林通過構(gòu)建多個決策樹來進(jìn)行預(yù)測；

15、自主采樣單元，負(fù)責(zé)在構(gòu)建每個決策樹時，從訓(xùn)練集中進(jìn)行隨機(jī)自主采樣，即對訓(xùn)練集進(jìn)行有放回的抽樣；

16、決策樹構(gòu)建單元，負(fù)責(zé)在構(gòu)建每個決策樹時，從數(shù)據(jù)集中隨機(jī)自主采樣樣本，根據(jù)選定的目標(biāo)特征，使用基尼指數(shù)劃分準(zhǔn)則將數(shù)據(jù)集劃分為不同的節(jié)點(diǎn)，構(gòu)建決策樹，并組合成隨機(jī)森林，使用災(zāi)害指標(biāo)數(shù)據(jù)的數(shù)據(jù)集對隨機(jī)森林模型進(jìn)行訓(xùn)練。

17、可選的，推斷預(yù)測模塊，包含：

18、結(jié)果輸出子模塊，負(fù)責(zé)利用建立的隨機(jī)森林模型對實(shí)時數(shù)據(jù)進(jìn)行預(yù)測，得到災(zāi)害發(fā)生的可能性和嚴(yán)重程度的預(yù)測結(jié)果；

19、分析統(tǒng)計子模塊，負(fù)責(zé)將隨機(jī)森林模型的輸出結(jié)果與實(shí)際數(shù)據(jù)進(jìn)行對比，計算出煤礦災(zāi)害發(fā)生的概率，并統(tǒng)計不同嚴(yán)重程度的災(zāi)害發(fā)生的頻率；

20、風(fēng)險評估子模塊，負(fù)責(zé)基于概率統(tǒng)計分析的結(jié)果，評估當(dāng)前的災(zāi)害風(fēng)險，確定災(zāi)害的概率和可能的嚴(yán)重程度。

21、可選的，反饋優(yōu)化模塊，包含：

22、問題分析子模塊，負(fù)責(zé)根據(jù)評估結(jié)果，分析隨機(jī)森林模型存在的問題，隨機(jī)森林模型的預(yù)測結(jié)果與實(shí)際數(shù)據(jù)進(jìn)行對比，確認(rèn)是否超過誤差閾值；

23、模型更新子模塊，負(fù)責(zé)根據(jù)改進(jìn)后的隨機(jī)森林模型，重新進(jìn)行訓(xùn)練；使用更新的數(shù)據(jù)集重新訓(xùn)練改進(jìn)隨機(jī)森林模型；使用驗(yàn)證集對改進(jìn)后的隨機(jī)森林模型進(jìn)行驗(yàn)證；

24、循環(huán)迭代子模塊，負(fù)責(zé)反復(fù)進(jìn)行改進(jìn)隨機(jī)森林模型評估、改進(jìn)、訓(xùn)練和驗(yàn)證的過程，直至改進(jìn)隨機(jī)森林模型達(dá)到預(yù)期的性能指標(biāo)。

25、可選的，問題分析子模塊中如果隨機(jī)森林模型的預(yù)測結(jié)果超過誤差閾值，說明隨機(jī)森林模型存在問題，增加樣本數(shù)據(jù)量改進(jìn)隨機(jī)森林模型的性能。

26、可選的，人機(jī)交互模塊，包含：

27、可視化展示子模塊，負(fù)責(zé)將推理研判組件得出的災(zāi)害發(fā)生可能性和嚴(yán)重程度的預(yù)測結(jié)果；

28、方案展示子模塊，負(fù)責(zé)將基于預(yù)測結(jié)果的應(yīng)急決策方案，通過地圖顯示風(fēng)險區(qū)域及通過流程圖展示應(yīng)急流程發(fā)送至決策者；

29、決策調(diào)整子模塊，負(fù)責(zé)通過人機(jī)交互界面，決策者與可視化界面進(jìn)行交互，了解監(jiān)控數(shù)據(jù)和預(yù)測結(jié)果的詳細(xì)信息，進(jìn)行決策方案的選擇和調(diào)整。

30、可選的，可視化展示子模塊中使用色彩編碼、標(biāo)記及熱力圖方式表示不同等級的災(zāi)害風(fēng)險，以可視化形式展示。

31、本發(fā)明提供的一種煤礦災(zāi)害融合監(jiān)控與智能決策方法包含以下步驟：

32、通過監(jiān)測設(shè)備對煤礦內(nèi)部環(huán)境的水、火、瓦斯、頂板及粉塵五類災(zāi)害指標(biāo)，進(jìn)行實(shí)時數(shù)據(jù)采集，對采集的災(zāi)害指標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)整合，得到整合后的災(zāi)害指標(biāo)數(shù)據(jù)；

33、基于整合后的災(zāi)害指標(biāo)數(shù)據(jù)，運(yùn)用信息推理和智能研判，對煤礦災(zāi)害發(fā)生的可能性和嚴(yán)重程度進(jìn)行推測，預(yù)測可能的災(zāi)害風(fēng)險；根據(jù)預(yù)測的結(jié)果，進(jìn)行應(yīng)急決策，包括采取相應(yīng)的措施進(jìn)行災(zāi)害防控；

34、通過人機(jī)交互界面，通過可視化技術(shù)，將監(jiān)控數(shù)據(jù)、預(yù)測結(jié)果及決策方案以圖形化方式展示，使決策者了解災(zāi)害狀態(tài)、監(jiān)控數(shù)據(jù)和預(yù)測結(jié)果，進(jìn)行交互式的決策。

35、本發(fā)明的指標(biāo)獲取組件通過監(jiān)測設(shè)備實(shí)時采集煤礦內(nèi)部環(huán)境的災(zāi)害指標(biāo)數(shù)據(jù)，并進(jìn)行整合，得到準(zhǔn)確的災(zāi)害指標(biāo)數(shù)據(jù)；提供了實(shí)時、準(zhǔn)確的數(shù)據(jù)基礎(chǔ)，為后續(xù)的推理研判和決策提供可靠的信息支持。推理研判組件基于整合后的災(zāi)害指標(biāo)數(shù)據(jù)，運(yùn)用信息推理和智能研判，對煤礦災(zāi)害的可能性和嚴(yán)重程度進(jìn)行推測和預(yù)測；提供了對潛在災(zāi)害風(fēng)險的準(zhǔn)確預(yù)測，幫助決策者更好地了解災(zāi)害狀態(tài)，及時采取相應(yīng)的措施進(jìn)行災(zāi)害防控，從而避免或減輕災(zāi)害的發(fā)生和影響。人機(jī)交互組件通過可視化技術(shù)將監(jiān)控數(shù)據(jù)和預(yù)測結(jié)果以圖形化方式展示，并通過人機(jī)交互界面讓決策者能夠直觀地了解災(zāi)害狀態(tài)、監(jiān)控數(shù)據(jù)和預(yù)測結(jié)果，并進(jìn)行交互式的決策；提供了直觀、易懂的信息展示方式，使決策者能夠更好地理解和分析數(shù)據(jù)，做出科學(xué)、有效的決策。

36、本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過在所寫的說明書、權(quán)利要求書、以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。

37、下面通過附圖和實(shí)施例，對本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。