【技术实现步骤摘要】
本公开涉及煤矿巷道位移监测，尤其涉及一种煤矿巷道位移监测数据的异常识别与处理方法及装置。
技术介绍
1、随着煤炭工业的持续发展和开采深度的不断加深，煤矿巷道安全问题日益突出。巷道作为煤矿生产系统的重要组成部分，其位移变形问题已成为影响煤矿安全生产的重要因素。巷道位移变形产生的原因具有普遍性和复杂性，主要受到地应力变化、地质条件和开采活动的综合影响。巷道位移监测还面临着诸多环境干扰因素，包括温度、湿度变化导致的监测设备漂移，粉尘影响导致的监测精度下降，以及巷道通风、机械设备振动、运输活动、爆破作业等人为因素的干扰。此外，长期运行的传感器系统还存在性能衰减问题，主要表现为传感器疲劳、零点漂移、信号传输质量下降等，这些因素都严重影响了监测数据的可靠性，不能为煤矿巷道安全管理提供更稳健的数据支持。
技术实现思路
1、本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此，本公开第一方面实施例提出了一种煤矿巷道位移监测数据的异常识别与处理方法，包括以下步骤：
3、获取预设时间段内煤矿巷道的n个位移监测数据点，n为正整数；
4、在所述n个位移监测数据点中抽取k个位移监测数据点作为样本子集，k为正整数，n＞k；
5、基于所述样本子集使用最小二乘法拟合线性回归模型；
6、根据所述n个位移监测数据点之中每个位移监测数据点与所述线性回归模型之间的距离对所述线性回归模型进行迭代更新，获得最优线性回归模型；
7、基于所述最
8、将所述每个位移监测数据点的残差与所述标准差进行对比得到对比结果，基于所述对比结果识别所述n个位移监测数据点中的正常数据点和异常数据点；
9、在所述n个位移监测数据点中剔除所述异常数据点。
10、在本公开一些实施例中，所述线性回归模型如下表示：
11、v(t)＝at+b
12、
13、其中，v(t)为所述线性回归模型，ti为所述k个位移监测数据点中第i个位移监测数据点对应的时间，vi为所述k个位移监测数据点中第i个位移监测数据点对应的位移值。
14、在本公开一些实施例中，所述根据每个所述位移监测数据点与所述线性回归模型之间的距离对所述线性回归模型进行迭代更新，获得最优线性回归模型，包括：确定最优个数，所述最优个数为所述n个位移监测数据点中与最优线性回归模型之间的距离小于预设距离阈值的数据点个数，所述最优个数的初始值为预先设置的；确定第一个数，所述第一个数为所述n个位移监测数据点中与所述线性回归模型之间的距离小于所述预设距离阈值的数据点个数；将所述第一个数与所述最优个数进行对比得到对比结果，根据所述对比结果在所述线性回归模型和所述最优线性回归模型中选取一个作为新的最优线性回归模型；返回执行在所述n个位移监测数据点中抽取k个位移监测数据点作为样本子集的步骤，直至迭代次数到达预设n次，确定所述最优线性回归模型。
15、在本公开一些实施例中，所述根据每个所述位移监测数据点与所述线性回归模型之间的距离对所述线性回归模型进行迭代更新，获得最优线性回归模型，包括：确定第一个数，所述第一个数为所述n个位移监测数据点中与所述线性回归模型之间的距离小于所述预设距离阈值的数据点个数；将所述第一个数与预设个数阈值进行对比；所述第一个数小于所述预设个数阈值，返回执行在所述n个位移监测数据点中抽取k个位移监测数据点作为样本子集的步骤，直至所述第一个数大于或等于所述预设个数阈值，将所述线性回归模型确定为所述最优线性回归模型。
16、在本公开一些实施例中，所述将每个所述位移监测数据点的残差与所述标准差进行对比得到对比结果，基于所述对比结果确定所述n个位移监测数据点中的正常数据点和异常数据点，包括：将每个所述位移监测数据点的残差与所述标准差进行对比；将所述n个位移监测数据点中所述残差小于或等于预设t倍的所述标准差的位移监测数据点确定为所述正常数据点，将所述n个位移监测数据点中所述残差大于预设t倍的所述标准差的位移监测数据点确定为所述异常数据点，t为正整数。
17、本公开第二方面实施例提出了一种煤矿巷道位移监测数据的异常识别与处理装置，包括：
18、获取模块，用于获取预设时间段内煤矿巷道的n个位移监测数据点，n为正整数；
19、取样模块，用于在所述n个位移监测数据点中抽取k个位移监测数据点作为样本子集，k为正整数，n＞k；
20、拟合模块，用于基于所述样本子集使用最小二乘法拟合线性回归模型；
21、更新模块，用于根据所述n个位移监测数据点之中每个位移监测数据点与所述线性回归模型之间的距离对所述线性回归模型进行迭代更新，获得最优线性回归模型；
22、确定模块，用于基于所述最优线性回归模型确定所述每个位移监测数据点的残差，以及所述残差的标准差；
23、识别模块，用于将所述每个位移监测数据点的残差与所述标准差进行对比得到对比结果，基于所述对比结果识别所述n个位移监测数据点中的正常数据点和异常数据点；
24、处理模块，用于将所述n个位移监测数据点中的所述异常数据点进行剔除处理。
25、在本公开一些实施例中，所述更新模块具体用于：确定最优个数，所述最优个数为所述n个位移监测数据点中与最优线性回归模型之间的距离小于预设距离阈值的数据点个数，所述最优个数的初始值为预先设置的；确定第一个数，所述第一个数为所述n个位移监测数据点中与所述线性回归模型之间的距离小于所述预设距离阈值的数据点个数；将所述第一个数与所述最优个数进行对比得到对比结果，根据所述对比结果在所述线性回归模型和所述最优线性回归模型中选取一个作为新的最优线性回归模型；返回执行在所述n个位移监测数据点中抽取k个位移监测数据点作为样本子集的步骤，直至迭代次数到达预设n次，确定所述最优线性回归模型。
26、在本公开一些实施例中，所述更新模块具体用于：确定第一个数，所述第一个数为所述n个位移监测数据点中与所述线性回归模型之间的距离小于所述预设距离阈值的数据点个数；将所述第一个数与预设个数阈值进行对比；所述第一个数小于所述预设个数阈值，返回执行在所述n个位移监测数据点中抽取k个位移监测数据点作为样本子集的步骤，直至所述第一个数大于或等于所述预设个数阈值，将所述线性回归模型确定为所述最优线性回归模型。
27、本公开第三方面实施例提出了一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；
28、所述存储器存储计算机执行指令；
29、所述处理器执行所述存储器存储的计算机执行指令，以实现前述第一方面所述的方法。
30、本公开第四方面实施例提出了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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现前述第一方面所述的方法。本文档来自技高网...
【技术保护点】
1.一种煤矿巷道位移监测数据的异常识别与处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述线性回归模型如下表示：
3.根据权利要求1所述的方法，其特征在于，所述根据每个所述位移监测数据点与所述线性回归模型之间的距离对所述线性回归模型进行迭代更新，获得最优线性回归模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据每个所述位移监测数据点与所述线性回归模型之间的距离对所述线性回归模型进行迭代更新，获得最优线性回归模型，包括：
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述将每个所述位移监测数据点的残差与所述标准差进行对比得到对比结果，基于所述对比结果确定所述N个位移监测数据点中的正常数据点和异常数据点，包括：
6.一种煤矿巷道位移监测数据的异常识别与处理装置，其特征在于，包括：
7.根据权利要求6所述的装置，其特征在于，所述更新模块具体用于：
8.根据权利要求6所述的装置，其特征在于，所述更新模块具体用于：
9.一种电子设备，其特征
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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-5中任一项所述的方法。
...【技术特征摘要】
1.一种煤矿巷道位移监测数据的异常识别与处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述线性回归模型如下表示：
3.根据权利要求1所述的方法，其特征在于，所述根据每个所述位移监测数据点与所述线性回归模型之间的距离对所述线性回归模型进行迭代更新，获得最优线性回归模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据每个所述位移监测数据点与所述线性回归模型之间的距离对所述线性回归模型进行迭代更新，获得最优线性回归模型，包括：
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述将每个所述位移监测数据点的残差与所述...
【专利技术属性】
技术研发人员：卢振龙，徐刚，张建，
申请(专利权)人：中煤科工开采研究院有限公司，
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。