本发明涉及安全预警，具体是基于大数据分析的煤矿支护安全风险预测预警系统。
背景技术：
1、煤矿开采是一项高风险的作业活动，井下环境异常恶劣且多变，支护结构的稳定性对于确保整个矿井安全运行至关重要。然而，长期使用过程中，支护结构面临着诸多严峻挑战和破坏风险：
2、随着开采面的推进，围岩应力状态不断发生再分布，原有支护结构可能超出设计承载能力而失稳破坏。不同性质的岩层在开采卸载作用下也会产生较大变形和位移，引起支护结构变形开裂、岩渣剥落等问题。此外，如果采区遇到断层、断裂带等复杂地质构造，将对支护施加更大的挤压或剪切作用力，增加其失稳的风险。
3、因此，如何实时、准确、全面地评估支护结构的健康状况，对于避免重大安全事故，保障矿井人员生命财产安全至关重要。但现有的支护监测手段还存在诸多不足：传统方法主要依赖定期的现场人工检查，效率低下且无法实现全覆盖；虽然也有部署应变仪、位移计等局部测点，但只能反映点位信息，难以建立支护整体健康的动态评估模型；此外，现有方法过于依赖经验主义和定性分析，缺乏科学的量化模型和风险预测能力，容易出现漏报或误报的情况。
4、授权公告号为cn114215564b的中国专利公开了一种煤矿支护设备智能预警方法，通过使用监测模块、储存模块和预警系统进行预警，监测模块包括压力监测模块和定位模块，压力监测模块对工作面液压支架工作阻力进行实时监测，定位模块对工作面液压支架的位置进行监测，储存模块接收监测模块发送的信息并将信息发送到预警系统和远端服务器，预警系统接收储存模块发送的信息并进行处理分析，根据矿井开采实践统计数据确定单个工作面液压支架压力预警阈值和构成一组相邻工作面液压支架的总压力预警阈值，通过判断实际压力值是否大于预警阈值，进行预警提醒。但该方法是基于实时数据进行预警，未能实现风险预测的效果。
5、为此，本发明提出基于大数据分析的煤矿支护安全风险预测预警系统。
技术实现思路
1、本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出基于大数据分析的煤矿支护安全风险预测预警系统，有效提高了煤矿支护安全监测的自动化和智能化水平，减少了人工参与，降低了漏报和误报的风险。
2、为实现上述目的，提出基于大数据分析的煤矿支护安全风险预测预警系统，包括历史数据收集模块、结构模型训练模块、风险模型训练模块以及风险监测模块；其中，各个模块之间通过电性方式连接；
3、历史数据收集模块，预先收集各个测试煤矿支护在测试过程中的各项环境参数的历史环境序列、各项结构参数随时间变化的历史结构序列以及出现安全风险的历史风险时间；所述历史数据收集模块将历史环境序列、历史结构序列发送至结构模型训练模块；并将历史环境序列、历史结构序列和历史风险时间发送至风险模型训练模块；
4、结构模型训练模块，基于各个测试煤矿支护的历史环境序列和历史结构序列，为各项结构参数构造结构预测样本，基于结构预测样本，为各项结构参数训练未来值预测模型；所述结构模型训练模块将训练完成的未来值预测模型发送至风险监测模块；
5、风险模型训练模块，基于各个测试煤矿支护的历史结构序列和历史风险时间，构建时间预测样本，基于时间预测样本，训练风险状态预测模型；所述风险模型训练模块将训练完成的风险状态预测模型发送至风险监测模块；
6、风险监测模块，收集待监测煤矿支护的初始环境序列和各个结构参数的初始结构序列，基于初始环境序列和初始结构序列，构建结构预测实例，基于结构预测实例和未来值预测模型，获得各个结构参数的未来预测值，基于各个结构参数的未来预测值，构建时间预测实例，基于时间预测实例和风险状态预测模型，发起安全风险预警；并随时间更新初始环境序列和初始结构序列，循环构建结构预测实例、时间预测实例以及安全风险预警；并随时间更新初始环境序列和初始结构序列，循环构建结构预测实例、时间预测实例以及安全风险预警。
7、具体地，所述历史环境序列、所述各项结构参数随时间变化的历史结构序列以及所述历史风险时间的收集包括以下步骤：
8、步骤11：在测试煤矿支护安装位置所在区域内布置各项环境参数的环境参数传感器，通过环境参数传感器实时采集各项环境参数的参数值；各项环境参数按时间顺序排列的参数序列作为一组历史环境序列；
9、步骤12：在测试煤矿支护的关键支护位置安装各项结构参数对应的结构参数传感器，通过各个结构参数传感器实时收集各项结构参数的参数值；所述关键支护位置根据煤矿支护结构的物理结构特征预先人工选择；各项结构参数按时间顺序排列的结构序列作为一组历史结构序列；
10、步骤13：煤矿现场人员记录各个煤矿支护结构发生安全问题的时间作为历史风险时间。
11、具体地，所述基于各个测试煤矿支护的历史环境序列和历史结构序列，为各项结构参数构造结构预测样本的方式为：
12、预设预测时间长度t；
13、预设时间窗口长度w和滑动步长s；
14、对于每个测试煤矿支护的每项结构参数：
15、以时间窗口长度w和滑动步长s，使用滑动窗口方法从各条历史环境序列和对应结构参数的历史结构序列中，分别依次获得长度为时间窗口长度w的环境子序列和结构子序列，每次滑动时获得的环境子序列和结构子序列构成结构特征样本；
16、将历史结构序列中，每次滑动的时刻之后预测时间长度t的时刻所对应的结构参数的参数值作为结构标签样本；
17、每组结构特征样本和结构标签样本构成一个结构预测样本。
18、具体地，所述基于结构预测样本，为各项结构参数训练未来值预测模型的方式为：
19、对于每项结构参数：
20、将每个结构预测样本的结构特征样本作为未来值预测模型的输入，所述未来值预测模型以对预测时间长度t之后的结构参数的预测值作为输出；所述未来值预测模型以结构预测样本对应的结构标签样本作为预测目标，以所述结构参数的预测值和结构标签样本之间的差值作为第一预测误差，以最小化所有结构预测样本的第一预测误差的平方和作为训练目标；对未来值预测模型进行训练，直至第一预测误差的平方和达到收敛时停止训练；所述未来值预测模型为时间序列预测模型中的任意一个。
21、具体地，所述基于各个测试煤矿支护的历史结构序列和历史风险时间，构建时间预测样本的方式为：
22、对于每个测试煤矿支护：
23、将每一时刻的各项结构参数的参数值组成一组时间预测向量；
24、为每一时刻设置一个风险状态标签；所述风险状态标签的设置方式为：若该时刻为出现安全风险的历史风险时间，则将风险状态标签设置为1，若该时刻不是出现安全风险的历史风险时间，则将风险状态标签设置为0；
25、每一时刻的时间预测向量和风险状态标签组成时间预测样本。
26、具体地，所述基于时间预测样本，训练风险状态预测模型的方式为：
27、将每个测试煤矿支护在每一时刻的时间预测向量作为风险状态预测模型的输入，所述风险状态预测模型以对每个时刻的风险状态的预测值作为输出，所述风险状态的预测值为0或1；所述风险状态预测模型以每个时刻对应的风险状态标签作为预测目标，以风险状态的预测值和风险状态标签之间的差值作为第二预测误差，以最小化所有时刻的第二预测误差的平方和作为训练目标；对风险状态预测模型进行训练，直至第二预测误差的平方和达到收敛时停止训练；所述风险状态预测模型为分类模型中的任意一个。
28、具体地，所述基于结构预测实例和未来值预测模型，获得各个结构参数的未来预测值的方式为：
29、对于每个结构参数，将结构预测实例输入未来值预测模型中，获得未来值预测模型输出的该结构参数在预测时间长度t时刻之后的预测值，作为未来预测值；
30、所述基于各个结构参数的未来预测值，构建时间预测实例，基于时间预测实例和风险状态预测模型，发起安全风险预警的方式为：
31、将各个结构参数的未来预测值组成一组结构预测值向量，作为一组时间预测实例；
32、将结构预测值向量输入风险状态预测模型，获得风险状态预测模型输出的预测时间长度t之后的风险状态的预测值，若风险状态的预测值为1，则发起安全风险报警；否则，不发起安全风险报警。
33、提出基于大数据分析的煤矿支护安全风险预测预警方法，包括以下步骤：
34、步骤一：预先收集各个测试煤矿支护在测试过程中各项环境参数的历史环境序列、各项结构参数随时间变化的历史结构序列以及出现安全风险的历史风险时间；
35、步骤二：基于各个测试煤矿支护的历史环境序列和历史结构序列，为各项结构参数构造结构预测样本，基于结构预测样本，为各项结构参数训练未来值预测模型；
36、步骤三：基于各个测试煤矿支护的历史结构序列和历史风险时间，构建时间预测样本，基于时间预测样本，训练风险状态预测模型；
37、步骤四：收集待监测煤矿支护的初始环境序列和各个结构参数的初始结构序列；
38、步骤五：基于初始环境序列和初始结构序列，构建结构预测实例，基于结构预测实例和未来值预测模型，获得各个结构参数的未来预测值；
39、步骤六：基于各个结构参数的未来预测值，构建时间预测实例，基于时间预测实例和风险状态预测模型，发起安全风险预警；
40、步骤七：随时间更新初始环境序列和初始结构序列，并循环执行步骤五至步骤六。
41、提出一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
42、所述处理器通过调用所述存储器中存储的计算机程序，执行上述的基于大数据分析的煤矿支护安全风险预测预警方法。
43、提出一种计算机可读存储介质，其上存储有可擦写的计算机程序；
44、当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行上述的基于大数据分析的煤矿支护安全风险预测预警方法。
45、与现有技术相比，本发明的有益效果是：
46、本发明通过设置历史数据收集模块，预先收集各个测试煤矿支护在测试过程中的各项环境参数的历史环境序列、各项结构参数随时间变化的历史结构序列以及出现安全风险的历史风险时间；设置结构模型训练模块，基于各个测试煤矿支护的历史环境序列和历史结构序列，为各项结构参数构造结构预测样本，基于结构预测样本，为各项结构参数训练未来值预测模型；设置风险模型训练模块，基于各个测试煤矿支护的历史结构序列和历史风险时间，构建时间预测样本，基于时间预测样本，训练风险状态预测模型；设置风险监测模块，收集待监测煤矿支护的初始环境序列和各个结构参数的初始结构序列，基于初始环境序列和初始结构序列，构建结构预测实例，基于结构预测实例和未来值预测模型，获得各个结构参数的未来预测值，基于各个结构参数的未来预测值，构建时间预测实例，基于时间预测实例和风险状态预测模型，发起安全风险预警；并随时间更新初始环境序列和初始结构序列，循环构建结构预测实例、时间预测实例以及安全风险预警；充分利用了大数据和机器学习技术的优势。首先，通过部署全覆盖的在线监测网络，可以收集环境和结构参数的高质量时间序列数据；其次，基于这些历史数据训练时间序列模型，可以预测支护未来的参数变化趋势，同时训练风险状态模型对未来发生安全事故的时间进行预测；再者，实时接收待测支护的数据并循环预测未来情况，从而提前发出预警；有效提高了监测的自动化和智能化水平，减少了人工参与，降低了漏报和误报的风险。
1.基于大数据分析的煤矿支护安全风险预测预警系统，其特征在于，包括历史数据收集模块、结构模型训练模块、风险模型训练模块以及风险监测模块；其中，各个模块之间通过电性方式连接；
2.根据权利要求1所述的基于大数据分析的煤矿支护安全风险预测预警系统，其特征在于，所述历史环境序列、所述各项结构参数随时间变化的历史结构序列以及所述历史风险时间的收集包括以下步骤：
3.根据权利要求2所述的基于大数据分析的煤矿支护安全风险预测预警系统，其特征在于，所述基于各个测试煤矿支护的历史环境序列和历史结构序列，为各项结构参数构造结构预测样本的方式为：
4.根据权利要求3所述的基于大数据分析的煤矿支护安全风险预测预警系统，其特征在于，所述基于结构预测样本，为各项结构参数训练未来值预测模型的方式为：
5.根据权利要求4所述的基于大数据分析的煤矿支护安全风险预测预警系统，其特征在于，所述基于各个测试煤矿支护的历史结构序列和历史风险时间，构建时间预测样本的方式为：
6.根据权利要求5所述的基于大数据分析的煤矿支护安全风险预测预警系统，其特征在于，所述基于时间预测样本，训练风险状态预测模型的方式为：
7.根据权利要求6所述的基于大数据分析的煤矿支护安全风险预测预警系统，其特征在于，所述基于结构预测实例和未来值预测模型，获得各个结构参数的未来预测值的方式为：
8.基于大数据分析的煤矿支护安全风险预测预警方法，其基于权利要求1-7中任意一项所述的基于大数据分析的煤矿支护安全风险预测预警系统实现，其特征在于，包括以下步骤：
9.一种电子设备，其特征在于，包括：处理器和存储器，其中，
10.一种计算机可读存储介质，其特征在于，其上存储有可擦写的计算机程序；
