[发明专利]一种工作面测量数据管理方法及系统

说明书

本发明提出了一种工作面测量数据管理方法及系统，涉及数据分析领域。一种工作面测量数据管理方法包括：获取原始工作面测量数据；利用数据预处理方法对工作面测量数据进行预处理并保存至关系型数据库中；构建可计算的数据模型，采用多源数据融合和深度学习算法，实现物理实体数据与存储后的工作面测量数据的数据镜像和数据交换；根据数据交换操工作面测量数据分布云图的时间线，以动态推演工作面测量数据压力的变化趋势。其能够基于机器视觉和卷积神经网络深度学习算法，实现数字孪生体与物理实体之间镜像重构、双向通信、信息交互与虚拟监控。此外本发明还提出了一种工作面测量数据管理系统。

技术领域

本发明涉及数据分析领域，具体而言，涉及一种工作面测量数据管理方法及系统。

背景技术

数据质量的高低代表了该数据满足数据消费者期望的程度，这种程度基于他们对数据的使用预期。数据质量必须是可测量的，把测量的结果转化为可以理解的和可重复的数字，使我们能够在不同对象之间和跨越不同时间进行比较。数据质量管理是通过计划、实施和控制活动，运用质量管理技术度量、评估、改进和保证数据的恰当使用。

矿石开采引起矿山压力变化是引起冲击地压、煤与瓦斯突出等灾害的主要因素。研究采场矿山压力变化规律，对于保障煤矿安全生产、高产高效具有重要意义。采场围岩控制研究方法包括理论研究、相似材料模拟实验、矿山压力数值分析和现场矿压观测等。其中理论研究、相似模拟试验和数值分析技术门槛较高，而矿山压力现场观测研究法是利用各种矿压监测仪表，直接在生产现场对矿压显现进行观测记录，获得最直接、最可靠的围岩应力参量和位移参量，以及采场、巷道内支架的变形量和工作阻力等数据，简便易行，可以有效地监测并控制各类与矿压相关的煤矿安全事故，同时为煤矿安全生产管理、事故预防和理论研究等提供可靠依据。

发明内容

本发明的目的在于提供一种工作面测量数据管理方法，其能够基于机器视觉和卷积神经网络深度学习算法，实现数字孪生体与物理实体之间镜像重构、双向通信、信息交互与虚拟监控。

本发明的另一目的在于提供一种工作面测量数据管理系统，其能够运行一种工作面测量数据管理方法。

本发明的实施例是这样实现的：

第一方面，本申请实施例提供一种工作面测量数据管理方法，其包括获取原始工作面测量数据；利用数据预处理方法对工作面测量数据进行预处理并保存至关系型数据库中；构建可计算的数据模型，采用多源数据融合和深度学习算法，实现物理实体数据与存储后的工作面测量数据的数据镜像和数据交换；根据数据交换操工作面测量数据分布云图的时间线，以动态推演工作面测量数据压力的变化趋势。

在本发明的一些实施例中，上述获取原始工作面测量数据包括：依据取样时间段、工作面倾向的起止点和网格数据行列数目，对原始工作面测量数据进行提取处理，以得到取样数据。

在本发明的一些实施例中，上述还包括：定义工作面坐标系、图片绘图坐标系、图片分辨率与工作面测量数据的换算关系，根据样本数据生成数据网格对应的网格数据。

在本发明的一些实施例中，上述利用数据预处理方法对工作面测量数据进行预处理并保存至关系型数据库中包括：将整个工作面划分为n个不同区域，不同区域中，确定每一个区域最中间位置，该每一个区域中其他位置的测量数据设备为目标测量数据设备。

在本发明的一些实施例中，上述还包括：确定测量数据和目标测量数据，及确定目标测量数据设备的源域数据和目标域数据；其中，测量数据设备的源域数据，为测量数据设备待建立数据模型的训练集数据，测量数据设备的目标域数据，为测量数据设备待建立数据模型的测试集数据，目标测量数据设备的源域数据，为测量数据设备待建立数据模型的训练集数据，目标测量数据设备的目标域数据，为目标测量数据设备待建立的数据模型的测试集数据。