【技术实现步骤摘要】
本专利技术涉及煤矿尘肺病预测，尤其是涉及一种煤矿尘肺病发病率预测方法、装置、电子设备及存储介质。
技术介绍
1、煤矿防尘是关系矿工生命健康、安全生产的重要工作，也是矿山安全生产的技术问题之一。煤矿中过量的粉尘排放会对工人造成严重的健康风险，严重者甚至会导致尘肺病。因此，对煤矿内的粉尘进行防治具有重要意义。
2、目前，针对粉尘以及尘肺病方面的研究多数集中在现状评价和控制效果评价，研究方法逐渐向智能化转变，主要是针对尘肺病诊断的技术研究，比如基于卷积网络和机器学习实现自动对胸片识别从而完成职业性尘肺病辅助筛查；基于累积接尘量的尘肺患病风险预测；基于深度卷积神经网络实现尘肺病鉴别和分级判定，因此，如何根据粉尘预测尘肺病的发病率，以便及时对粉尘进行防治是亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种煤矿尘肺病发病率预测方法、装置、电子设备及存储介质，以解决上述问题，实现了根据粉尘预测尘肺病的发病率，以便及时对粉尘进行除尘，从而保证了煤矿工人的作业健康。
2、第一方面，本专利技术实施例提供了一种煤矿尘肺病发病率预测方法，所述方法包括：
3、获取煤矿内的粉尘信息；其中，所述粉尘信息包括以下至少之一：粉尘浓度、粉尘粒度、粉尘分散度、粉尘成分信息以及粉尘中游离二氧化硅含量；
4、将所述粉尘信息输入至预先训练好的som-bp神经网络，以使所述som-bp神经网络根据所述粉尘信息输出指定时长内的尘肺病发病率。
5、
6、获取训练集；其中，所述训练集包括：粉尘训练信息以及对应的尘肺病发病率训练值，所述粉尘训练信息包括以下至少之一：粉尘浓度训练值、粉尘粒度训练值、粉尘分散度训练值、粉尘成分信息训练值以及粉尘中游离二氧化硅含量所述训练值，尘肺病发病率训练值为所述粉尘训练信息对应的所述指定时长内的尘肺病发病率；
7、将所述训练集输入至所述原始som-bp神经网络进行训练，以得到所述som-bp神经网络。
8、优选地，所述原始som-bp神经网络包括：原始som神经网络和原始bp神经网络，所述将所述训练集输入至所述原始som-bp神经网络进行训练的步骤，包括：
9、将所述粉尘训练信息输入至所述原始som神经网络，得到聚类分析训练结果；
10、将所述聚类分析训练结果和所述尘肺病发病率训练值输入至所述原始bp神经网络进行训练，得到所述som-bp神经网络。
11、优选地，将所述聚类分析训练结果和所述尘肺病发病率训练值输入至所述原始bp神经网络进行训练的步骤之前，所述方法还包括：
12、对所述聚类分析训练结果进行归一化处理，并将处理后的所述聚类分析训练结果和所述尘肺病发病率训练值输入至所述原始bp神经网络进行训练。
13、优选地，所述原始bp神经网络包括依次设置的输入层、隐含层和输出层，所述方法还包括：
14、获取所述输入层中神经元的第一数量和所述输出层中神经元的第二数量，并根据所述第一数量和所述第二数量确定所述隐含层中神经元的数量；
15、其中，所述隐含层中神经元的数量的计算公式如下：
16、
17、其中，m表示所述隐含层中神经元的数量，x表示第一数量，y表示第二数量，β表示调节参数。
18、优选地，所述som-bp神经网络包括som神经网络和bp神经网络，所述将所述粉尘信息输入至预先训练好的som-bp神经网络，以使所述som-bp神经网络根据所述粉尘信息输出指定时长内的尘肺病发病率的步骤，包括：
19、将所述粉尘信息输入至所述som神经网络，以使所述som神经网络根据所述粉尘信息输出聚类分析结果；
20、将所述聚类分析结果输入至所述bp神经网络，以使所述bp神经网络根据聚类分析结果输出所述指定时长内的尘肺病发病率。
21、优选地，所述方法还包括：
22、若所述尘肺病发病率大于预设发病率阈值，则生成报警提示信息，以提示对煤矿内进行降尘。
23、本专利技术提供的煤矿尘肺病发病率预测方法带来了以下有益效果：
24、本专利技术提供了一种煤矿尘肺病发病率预测方法，通过将获取到的煤矿内的粉尘信息输入至预先训练好的som-bp神经网络，以使som-bp神经网络根据粉尘信息预测出指定时长内的尘肺病发病率。该方法预测得到的尘肺病发病率的精确度和稳定性高，对提高煤矿整体粉尘治理技术和减少职业健康危害具有重要意义。
25、第二方面，本专利技术还提供了一种煤矿尘肺病发病率预测装置，所述装置包括：
26、获取模块，用于获取煤矿内的粉尘信息；其中，所述粉尘信息包括以下至少之一：粉尘浓度、粉尘粒度、粉尘分散度、粉尘成分信息以及粉尘中游离二氧化硅含量；
27、预测模块，用于将所述粉尘信息输入至预先训练好的som-bp神经网络，以使所述som-bp神经网络根据所述粉尘信息输出指定时长内的尘肺病发病率。
28、本专利技术实施例提供的煤矿尘肺病发病率预测装置，与上述实施例提供的煤矿尘肺病发病率预测方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
29、第三方面，本专利技术还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述任一项所述的方法中的有益效果，在此不再赘述。
30、第四方面，本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时，实现上述任一项所述的方法中的有益效果，在此不再赘述。
31、本专利技术的其他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，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
32、为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种煤矿尘肺病发病率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述SOM-BP神经网络为基于原始SOM-BP神经网络训练得到，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述原始SOM-BP神经网络包括：原始SOM神经网络和原始BP神经网络，所述将所述训练集输入至所述原始SOM-BP神经网络进行训练的步骤，包括：
4.根据权利要求3所述的方法，其特征在于，将所述聚类分析训练结果和所述尘肺病发病率训练值输入至所述原始BP神经网络进行训练的步骤之前，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述原始BP神经网络包括依次设置的输入层、隐含层和输出层，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述SOM-BP神经网络包括SOM神经网络和BP神经网络，所述将所述粉尘信息输入至预先训练好的SOM-BP神经网络，以使所述SOM-BP神经网络根据所述粉尘信息输出指定时长内的尘肺病发病率的步骤，包括：
7.根据权利要求1所述的方法，其
8.一种煤矿尘肺病发病率预测装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1-7任一项所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述权利要求1-7任一项所述的方法的步骤。
...【技术特征摘要】
1.一种煤矿尘肺病发病率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述som-bp神经网络为基于原始som-bp神经网络训练得到，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述原始som-bp神经网络包括：原始som神经网络和原始bp神经网络，所述将所述训练集输入至所述原始som-bp神经网络进行训练的步骤，包括：
4.根据权利要求3所述的方法，其特征在于，将所述聚类分析训练结果和所述尘肺病发病率训练值输入至所述原始bp神经网络进行训练的步骤之前，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述原始bp神经网络包括依次设置的输入层、隐含层和输出层，所述方法还包括：
6.根据权利要求1所述的方...
【专利技术属性】
技术研发人员：王冰山，王天乐，赵金晖，于慧岳，耿华乐，童日耀，周全超，张磊，李天潇，
申请(专利权)人：华能煤炭技术研究有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。