【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种基于动态时间规整的下井异常识别方法及装置。
技术介绍
1、在采矿行业中，下井异常识别需要综合分析多个方面的数据，包括矿工的打卡记录、生命特征监测(如心率、血氧饱和度等)、井下环境参数(如温度、有害气体浓度等)、人员行为与活动模式分析、实时定位追踪、工作与休息时间管理、历史数据对比、设备状态监控以及通讯记录审核，以便及时发现安全隐患和异常情况。
2、然而，现有技术面临一些挑战。首先，虽然可以采用生物识别技术来识别下井异常，但其准确性容易受到环境因素(如光线、温度、湿度等)的影响，这可能导致井下打卡结果的不准确。其次，在利用余弦值判断井下异常时，如果矿工因信号不良而无法生成数据，相关数据会被记录为0，这样将导致数值差异增大，进而影响余弦值的计算准确性，降低检测的相似度。因此，这种方法并不完全可靠。
3、因此，目前尚未有一种全面有效的方法来识别下井异常情况。
技术实现思路
1、本专利技术所要解决的技术问题是针对现有技术的上述不足，提出一种基于动态时间规整的下井异常识别方法及装置。该方法能够全面而有效地识别井下的异常情况，显著提高了异常识别的准确性，从而为下井安全提供了更为可靠的保障。
2、第一方面，本专利技术提供一种基于动态时间规整的下井异常识别方法，所述方法包括如下步骤：
3、步骤s1：获取矿工下井的监测数据；
4、步骤s3：从所述监测数据中提取人员步数和人员生命体征数据；
5、
6、步骤s5：基于同一矿工聚类簇，根据动态时间规整得到任两个矿工之间的人员生命体征相似度；
7、步骤s6：根据所述人员生命体征相似度，识别出下井异常数据，从而完成基于动态时间规整的下井异常识别。
8、进一步地，在步骤s3之前，所述方法还包括步骤s2；
9、步骤s2：对所述矿工下井的监测数据进行预处理，得到预处理后的监测数据；
10、所述步骤s1，具体包括如下步骤：
11、将所述矿工下井的监测数据中的空缺数值替换为0，得到0数据；
12、计算同一批矿工下井的监测数据中的0数据比例；
13、根据预设的异常比例阈值，判断所述矿工下井的监测数据是否存在异常：
14、若0数据比例超出所述异常比例阈值，则判定所述矿工下井的监测数据存在异常，同时结束流程；若0数据比例未超出所述异常比例阈值，则判定所述矿工下井的监测数据不存在异常，同时进入步骤s2；
15、步骤s3具体包括：从所述预处理后的监测数据中提取人员步数和人员生命体征数据。
16、进一步地，所述步骤s4，具体包括如下步骤：
17、步骤s41：输入数据集f＝{on}，设置最小对象参数minpts和半径参数ε；
18、其中，on表示矿工在预设时间节点的步数数据，最小对象参数minpts用于确定核心对象的领域范围，半径参数ε用于定义搜索领域的范围；核心对象是指在数据集中，位于给定半径参数ε内并且至少拥有minpts个邻居的对象；
19、步骤s42：将数据集中的所有对象标记为未读；
20、步骤s43：从数据集f中随机选择一个未读对象p；
21、步骤s44：检查未读对象p是否为核心对象：
22、若未读对象p为核心对象，则搜索所有密度可达的对象并标记为已读；
23、其中，所述密度可达的对象是指位于核心对象的ε半径内的可达对象；
24、步骤s45：重复步骤s43和步骤s44，直至所有数据集f中对象均被标记为已读；
25、步骤s46：选择一个核心对象作为种子，将其所有密度可达点的对象归为一类；
26、步骤s47：选择另一个未归类的核心对象作为种子，将其所有密度可达点的对象归为另一类；
27、步骤s48：重复步骤s47，循环至没有未归类的核心对象，从而得到多个矿工聚类簇。
28、进一步地，所述步骤s5，具体包括如下步骤：
29、步骤s51：获取同一矿工聚类簇中两名矿工的生命特征时间序列数据；
30、所述两名矿工的生命特征时间序列数据的数学表示式如式(1)：
31、
32、式(1)中，x表示两名矿工中的第一矿工，y表示两名矿工中的第二矿工，zsx表示第一矿工的生命特征时间序列数据，zsy表示第二矿工的生命特征时间序列数据，e表示zsx的数据长度，f表示zsy的数据长度，α∈[1，e]，β∈[1，f]；
33、表示第一矿工在第α时间序列的生命特征归一化值，即xα元素的生命特征归一化值；
34、表示第二矿工在第β时间序列的生命特征归一化值，即yβ元素的生命特征归一化值；
35、步骤s52：计算生命特征时间序列数据中的xα元素与yβ元素之间的距离；
36、所述xα元素与yβ元素之间的距离是采用欧式距离度量的，其计算公式如式(2)：
37、
38、步骤s53：根据所述xα元素与yβ元素之间的距离，构建规整距离矩阵；
39、所述规整距离矩阵的表达式如式(3)：
40、
41、式(3)中，dexf为规整距离矩阵；
42、步骤s54：根据所述规整距离矩阵，计算初始最小规整距离；
43、所述初始最小规整距离wd的计算公式如式(4)：
44、wd＝w1+w2+…+wk (4)；
45、式(4)中，k∈[max(e，f)，e+f-1]，wk为第xα元素和第yβ元素之间的累积规整距离；
46、步骤s55：设定约束条件，确定最短动态规整路径；以及，根据所述最短动态规整路径，从所述初始最小规整距离wd中确定出目标最小规整距离，即得到最小规整距离w；
47、所述最短动态规整路径的表达式如式(5)：
48、
49、其中，dtw(zsx，zsy)表示zsx和zsy之间的最短动态规整路径；
50、步骤s56：根据所述最小规整距离w，计算两个矿工之间的人员生命体征相似度，其计算公式如式(6)：
51、similarity＝1/(1+w) (6)；
52、其中，similarity表示两个矿工之间的人员生命体征相似度；
53、步骤s57：重复步骤s51至步骤s56，直到同一矿工聚类簇中任意两名矿工的生命特征时间序列数据之间的相似度都已被计算完毕，从而得到任两个矿工之间的人员生命体征相似度。
54、进一步地，所述步骤s51中的生命特征时间序列数据，是根据生命特征数据按时间顺序排列而形成的；
55、所述生命特征数据，是根据体温数据、心率数据、血氧数据得到的，具体包括如下步骤：
56、步本文档来自技高网...
【技术保护点】
1.一种基于动态时间规整的下井异常识别方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的基于动态时间规整的下井异常识别方法，其特征在于，
3.根据权利要求1所述的基于动态时间规整的下井异常识别方法，其特征在于，
4.根据权利要求1所述的基于动态时间规整的下井异常识别方法，其特征在于，
5.根据权利要求4所述的基于动态时间规整的下井异常识别方法，其特征在于，
6.根据权利要求1至5任一项所述的基于动态时间规整的下井异常识别方法，其特征在于，
7.一种基于动态时间规整的下井异常识别装置，其特征在于，所述装置包括：
8.根据权利要求7所述的基于动态时间规整的下井异常识别装置，其特征在于，
9.根据权利要求8所述的基于动态时间规整的下井异常识别装置，其特征在于，
10.根据权利要求7至9任一项所述的基于动态时间规整的下井异常识别装置，其特征在于，
【技术特征摘要】
1.一种基于动态时间规整的下井异常识别方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的基于动态时间规整的下井异常识别方法，其特征在于，
3.根据权利要求1所述的基于动态时间规整的下井异常识别方法，其特征在于，
4.根据权利要求1所述的基于动态时间规整的下井异常识别方法，其特征在于，
5.根据权利要求4所述的基于动态时间规整的下井异常识别方法，其特征在于，
...
【专利技术属性】
技术研发人员：许春，高雪峰，吴巧荣，宋君，宋景文，刘鹏，
申请(专利权)人：中国联合网络通信集团有限公司，
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。