一种矿山监测数据重构与灾害预警方法及系统

本发明涉及矿山工程地质灾害监测预警，具体而言，尤其涉及一种矿山监测数据重构与灾害预警方法及系统。

背景技术：

1、随着国家对矿山安全管控的力度逐步增强及矿山工作人员的安全意识日益提升，采用多源化监测设备对岩体力学响应进行实时感知已成为大多数矿山的标配，基于多源感知数据完成灾害的超前预警已成为矿山的迫切需求，同时也是广大科研院所的研究重点。

2、恶劣的矿山环境对传感器的稳定工作带来了严峻的挑战，感知数据的中断、外界环境及开采工作带来的周期性扰动，严重对监测数据的稳定性和有效性造成干扰，影响了灾害超前预警的准确性。由此可见，开发一种矿山监测数据重构与灾害预警方法与系统，实现监测数据的自动化补全、演化趋势智能化重构，灾害的超前预警及相关的计算结果的便捷查看是非常有必要的。

技术实现思路

1、根据上述提出的技术问题，提供一种矿山监测数据重构与灾害预警方法及系统。本发明采用的技术手段如下：

2、一种矿山监测数据重构与灾害预警方法，包括：

3、采用动态时间窗口，读取实时监测数据；

4、计算数据缺失率；

5、基于拉格朗日插值算法及prophet模型短期预测算法，智能化重构监测数据集；

6、基于监测数据集，采用prophet模型时间序列数据分解算法，智能化重构数据演化趋势；

7、采用改进反速度法，实现潜在地质灾害在时间维度上的超前预警。

8、进一步地，所述采用动态时间窗口，读取实时监测数据，包括：

9、动态时间窗口长度默认24h，当预警时间与当前时间间隔小于30d时，动态时间窗口长度自行更改为预警时间与当前时间间隔的1/10。

10、进一步地，所述计算数据缺失率，包括：

11、利用动态时间窗口长度除感知设备采样周期，得到理论采集数据量；

12、利用实际采集数据量除理论采集数据量，得到数据缺失率，并设定数据缺失率阈值在20％～40％之间。

13、进一步地，所述基于拉格朗日插值算法及prophet模型短期预测算法，智能化重构监测数据集，包括：

14、结合动态时间窗口的开始时间dt1、结束时间dt2、采集数据的开始时间ct1、结束时间ct2、采集数据量m及数据采样间隔n，反推出监测数据理论开始时间tt1与结束时间tt2，如下式所示：

15、

16、结合采集间隔，开展理论采样时间向量t＝{tt1,tt1+n,tt1+2×n,...,tt2}的重构；

17、当缺失率为0％时，说明监测数集是完整的，不进行监测数据集智能化重构；

18、当数据缺失值小于阈值时，则表示缺失数据少，现有数据能表征演化规律，故采用三次多项式作为拉格朗日插值基函数，以时间窗口内采集数据作为初始点，以重构的理论采样时间向量作为待插值点，完成监测数据集d的重构；

19、当数据缺失值大于阈值时，则表示监测数据存在大量缺失，采用插值的手段，无法表征数据的演化趋势，故读取采样时间窗口前30d的数据作为短期预测的学习样本，并将采样间隔n、理论采样时间向量t作为输入，采用prophet模型短期预测算法实现监测数据集d的重构。

20、进一步地，所述基于监测数据集，采用prophet模型时间序列数据分解算法，智能化重构数据演化趋势，包括：

21、prophet模型时间序列数据分解算法，采用加法模型，假设监测数据集d是由趋势项、周期性、误差项组成的时间序列，具体关系如下式所示；

22、d(t)＝g(t)+p(t)+ε(t)

23、其中，g(t)为趋势项，用于体现监测数据集d的非周期性变化；p(t)为周期项，由日周期项、周周期项和月周期项三项组成；ε(t)为误差项，表示模型未预测到的波动，服从高斯分布；

24、基于上述原理，采用prophet模型对监测数据集d进行重构，得到趋势项g(t)。

25、进一步地，所述采用改进反速度法，实现潜在地质灾害在时间维度上的超前预警，包括：

26、读取至当前时刻所有的重构趋势数据g，假设数据量为n；采用数值差分的方法，计算趋势数据的速度向量v，计算公式如下：

27、

28、其中，k为差分窗口长度，为自定义量；

29、计算速度向量v的平均值与标准差σ，判断当前vi是否满足拉以达准则，如下式所示；

30、

31、当δi＝0时，表明当前监测数据不满足正态分布，为异常数据，因此，进一步计算其峰度ksi与偏度bsi，而当δi＝1时，直接令峰度ksi和偏度bsi为0；

32、

33、

34、针对任意索引s，当满足δs＝δs+1＝...＝δs+5，且kss＜kss+1＜...＜kss+5、bss＜bss+1＜...＜bss+5时，表明实时采集的数据一直处于异常状态，且出现了极端值，岩体处于蠕变加速阶段，索引s即为进入蠕变加速阶段的转折点，如若不满足条件，则岩体仍处于稳定蠕变阶段，短期内不会有灾害事故的发生，同时不再进行后续步骤；

35、抽取速度向量v中索引k后所有的数据，并采用取倒数的方式，构成反速度向量iv及对应时间向量it，其长度为n；

36、考虑到反速度值对灾害超前预测的重要程度随时间的推移逐渐降低，即距离当前时间越近的反速度，对预警的重要度越高，采用等差数列的方式，生成首项为0，并且与反速度向量iv等长的权重向量w，其中，公差计算公式如下式所示：

37、

38、基于上述权重，假设加速阶段反速度的演化满足fukuzono提出的线性表征公式iv＝a(tc-t)，其中tc为潜在灾害发生时间，在此基础上，采用下述公式为优化目标的加权线性拟合方式，开展潜在灾害发生时间tc的估计，实现灾害的超前预警；

39、

40、考虑到蠕变加速阶段不同时刻灾害预报结果tc存在差异，不同时刻的tc构成了灾害预报向量tc，同时考虑到不同预报结果的意义，且预报时间越新，参考性越强，为此，设计不同时间预报结果统计方法，如下式所示，最终得出了动态更新的灾害预报区间tr；

41、

42、本发明还提供了一种基于上述矿山监测数据重构与灾害预警方法的矿山监测数据重构与灾害预警系统，包括：

43、利用python的flask模块作为后台，采用apscheduler模块生成动态时间窗体，默认为24h，自动化执行所述矿山监测数据重构与灾害预警方法，采用uniapp作为前台，对原始监测数据、重构监测数据、重构趋势数据及灾害预警结果进行可视化展示，并当预警时间与当前时间小于1个月时，将采用短信、邮件方法，进行警情的推送，并自动修正动态时间窗口周期为预警时间与当前时间间隔的1/10。

44、较现有技术相比，本发明具有以下优点：

45、1、本发明提供的矿山监测数据重构与灾害预警方法，结合监测数据缺失率，开展多方案协同的监测数据集智能化重构，确保了数据完整性。

46、2、本发明提供的矿山监测数据重构与灾害预警方法，采用prophet模型时间序列数据分解算法，实现了监测数据演化趋势的智能化提取，为灾害的超前预警提供更为有效的数据源。

47、3、本发明提供的矿山监测数据重构与灾害预警方法，考虑监测数据采集时间与灾害预警的相关性，对传统的反速度法灾害预测模型进行了改进，实现了灾害的超前预警。

48、4、本发明提供的矿山监测数据重构与灾害预警系统，完成了原始监测数据、重构监测数据、重构趋势数据及超前预警结果的可视化，实现了矿山人员随时随地对监测区域稳定性状况的一键式查阅。

49、基于上述理由本发明可在矿山工程地质灾害监测预警等领域广泛推广。