System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种面向煤矿综采工作面安全监控数据的动态演化插补方法技术_技高网

一种面向煤矿综采工作面安全监控数据的动态演化插补方法技术

技术编号:44328196 阅读:1 留言:0更新日期:2025-02-18 20:36
本发明专利技术涉及一种面向煤矿综采工作面安全监控数据的动态演化插补方法,属于综采面监控数据插补领域。该方法首先采用混合分解方法将原始时间序列拆解为趋势、季节性及残差三部分,其中趋势和季节性通过静态Loess STL提取,而残差则利用Kalman滤波器动态调整。接着,使用高斯过程GPs建模趋势与季节性成分,并引入神经常微分方程NODEs模拟潜在状态的变化规律。最后,构建随机微分方程SDE模型,整合NODEs与GPs的结果,并加入扩散项反映随机变化,通过对SDE求解获得潜在状态,并据此映射回观测空间以生成预测值。该方法综合考虑了数据中的不同特性,能够更好地捕捉和处理具有变化的时间动态的数据。

【技术实现步骤摘要】

本专利技术属于综采面监控数据插补领域,涉及一种面向煤矿综采工作面安全监控数据的动态演化插补方法


技术介绍

1、煤矿综采工作面的安全监控是保障煤矿生产安全的重要环节。随着自动化技术和智能传感技术的发展,煤矿综采工作面安装了大量的传感器来实时监测工作面的各种状态,包括瓦斯浓度、温湿度、顶板压力、支架状态等重要参数。然而,在实际应用中,由于传感器故障、通信中断等因素,监控数据中常出现缺失值的情况。这些缺失数据会严重影响后续的数据分析和决策制定的准确性与可靠性。

2、针对煤矿综采工作面安全监控数据中存在的缺失值问题,现有的数据插补方法大多依赖于简单的统计方法或机器学习算法,如均值插补、线性插值、多项式插值和k近邻插补等。传统方法虽然简单易行,但在处理具有复杂动态特性和非线性关系的时间序列数据时往往效果不佳,未能充分考虑数据点之间潜在的因果关系及内在的不确定性,它无法有效应对煤矿生产中常见的不规则模式或时间序列数据的突然变动,不适用由于不同班次的人工操作差异、时间段的更替以及煤层构造的多样性所导致的开采数据异质性。

3、煤矿综采工作面安全监控数据中经常存在缺失值问题,现有的数据插补方法大多依赖于简单的统计方法或机器学习算法,如均值插补、线性插值、多项式插值和k近邻插补等。通常,线性插值法最为有效,简单易行,但无法应对从开始就缺失的数据。且这些方法面对具有复杂动态特性和非线性关系的时间序列数据时效果不佳,不能考虑数据点之间潜在联系以及内在的不确定性,无法有效应对煤矿生产中常见的不规则采样、不规则模式或时间序列数据的突然变动,难以精准地反映实际情况下数据的真实分布特征,从而限制了其在复杂煤矿开采数据分析中的适用性和准确性。因此,迫切需要发展出一种能够适应综采工作面环境监控数据的插补方法。


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面向煤矿综采工作面安全监控数据的动态演化插补方法。

2、为达到上述目的,本专利技术提供如下技术方案:

3、一种面向煤矿综采工作面安全监控数据的动态演化插补方法,该方法包括以下步骤:

4、对时间序列数据进行混合分解,将其拆解为趋势、季节性及残差三部分;

5、使用高斯过程gps对趋势和季节性成分进行建模;

6、使用神经常微分方程nodes对残差成分进行建模;

7、构建随机微分方程sde模型,整合nodes与gps的结果,并加入扩散项反映随机变化;

8、通过求解sde获得潜在状态,并据此映射回观测空间以生成预测值。

9、进一步,所述混合分解方法包括静态分解和动态分量调整两个步骤。

10、进一步,所述高斯过程gps使用平滑度rbf和周期性periodic结合的复合协方差函数。

11、进一步,所述神经常微分方程nodes模型基于编码器-解码器的思想,使用神经网络参数化潜在状态变化率的函数。

12、进一步,所述随机微分方程sde模型包括常微分方程中确定性部分、高斯过程化后的长期趋势项、高斯过程化后的季节性成分、由卡尔曼滤波器更新的短期校正项以及运动扩散项。

13、进一步,所述求解sde使用数值方法逐步进行。

14、本专利技术的有益效果在于:

15、(1)综合运用神经微分方程、高斯过程和随机微分方程等模型,能够更准确地捕捉和处理煤矿综采工作面安全监控数据中复杂的动态特性和非线性关系,从而提高插补的准确性和可靠性。

16、(2)混合分解方法能够有效处理数据中的趋势、季节性和残差成分,适应煤矿工作面实际操作条件的变化,即使在传感器故障、通信中断等情况下,仍能保证插补结果的准确性。

17、(3)该方法能够处理不同类型的安全监控数据,包括瓦斯浓度、温湿度、顶板压力、支架状态等重要参数,并可根据实际需求进行灵活调整。

18、(4)本专利技术提供了一套完整的算法流程,并使用现有的开源工具和库进行实现,方便用户快速部署和应用。

19、专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。

本文档来自技高网...

【技术保护点】

1.一种面向煤矿综采工作面安全监控数据的动态演化插补方法,其特征在于:该方法包括以下步骤:

2.根据权利要求1所述的一种面向煤矿综采工作面安全监控数据的动态演化插补方法,其特征在于:所述混合分解包括静态分解和动态分量调整两个步骤。

3.根据权利要求1所述的一种面向煤矿综采工作面安全监控数据的动态演化插补方法,其特征在于:所述高斯过程GPs使用平滑度RBF和周期性Periodic结合的复合协方差函数。

4.根据权利要求1所述的一种面向煤矿综采工作面安全监控数据的动态演化插补方法,其特征在于:所述神经常微分方程NODEs模型基于编码器-解码器的思想,使用神经网络参数化潜在状态变化率的函数。

5.根据权利要求1所述的一种面向煤矿综采工作面安全监控数据的动态演化插补方法,其特征在于:所述随机微分方程SDE模型包括常微分方程中确定性部分、高斯过程化后的长期趋势项、高斯过程化后的季节性成分、由卡尔曼滤波器更新的短期校正项以及运动扩散项。

6.根据权利要求1所述的一种面向煤矿综采工作面安全监控数据的动态演化插补方法,其特征在于:所述求解SDE使用数值方法逐步进行。

...

【技术特征摘要】

1.一种面向煤矿综采工作面安全监控数据的动态演化插补方法,其特征在于:该方法包括以下步骤:

2.根据权利要求1所述的一种面向煤矿综采工作面安全监控数据的动态演化插补方法,其特征在于:所述混合分解包括静态分解和动态分量调整两个步骤。

3.根据权利要求1所述的一种面向煤矿综采工作面安全监控数据的动态演化插补方法,其特征在于:所述高斯过程gps使用平滑度rbf和周期性periodic结合的复合协方差函数。

4.根据权利要求1所述的一种面向煤矿综采工作面安全监控数据的动态演化插补...

【专利技术属性】
技术研发人员:赵旭生张毅轩李明建蒲阳宋志强李日富马国龙程晓阳李杰陈森岳俊赵一冰车禹恒刁勇
申请(专利权)人:中煤科工集团重庆研究院有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1