一种综采工作面的数据预测方法、装置及系统与流程

1.本发明属于安全预测技术领域，具体涉及一种综采工作面的数据预测方法、装置及系统。


背景技术：

2.在矿产生产系统中，综采工作面其装备群规模庞大、作业环境恶劣，十分容易发生事故，因此，需要对综采工作面的开采数据进行预测，以避免对综采工作面开采中发生安全事故。
3.相关技术中，常见的对综采工作面的数据预测方法是基于训练好的预测模型对目标综采工作面对应的开采数据进行预测，但是对预测模型的训练用的样本数据一般都是离线数据，只能通过目标综采工作面所对应的本地的环境生成，使所获得的预测模型具有一定的局限性，因此，现有技术中的预测模型不能随着样本量的扩大而更新，进而无法根据各个综采工作面的数据差异而预测准确的开采数据。


技术实现要素：

4.本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
5.为此，本发明提供一种综采工作面的数据预测方法、装置及系统，通过扩大对开采预测模型的样本数量，获得能够准确预测出目标综采工作面对应的矿物开采量和安全系数的开采预测模型，以实现对目标综采工作面的矿物开采量和安全系数的准确预测。
6.根据本发明第一方面实施例的一种综采工作面的数据预测方法，应用于边缘计算节点，所述方法包括：
7.获取云端服务器中的采矿信息数据集；所述采矿信息数据集包括至少一个综采工作面对应的采矿信息数据；所述采矿信息数据包括矿物采集信息数据、环境信息数据和采矿设备运行信息数据中的至少一个；
8.基于对所述采矿信息数据集训练，得到开采预测模型；所述开采预测模型用于预测综采工作面对应的预测矿物开采量和预测安全系数；
9.将与目标综采工作面对应的数据收集设备采集的当前采矿信息数据输入到所述开采预测模型中，得到预测矿物开采量和预测安全系数。
10.优选地，所述获取云端服务器中的采矿信息数据集，包括：
11.获取与各个所述综采工作面各自对应的所述数据收集设备采集的采矿信息数据；
12.将各个所述综采工作面各自对应的采矿信息数据分别与所述云端服务器中的采矿信息数据集中的采矿信息数据进行对比，判断所述采矿信息数据集中的各个所述采矿信息数据是否为待更新的数据；
13.若所述采矿信息数据集中的所述采矿信息数据为待更新的数据，则将所述数据收集设备采集的所述采矿信息数据上传至所述云端服务器中。
14.优选地，所述基于对所述采矿信息数据集训练，得到开采预测模型，包括：
15.获取所述云端服务器中的初始开采预测模型；所述初始开采预测模型是基于所述云端服务器中的未更新的所述采矿信息数据集训练得到的；
16.若有所述采矿信息数据为所述待更新的数据，则将待更新的数据的所述采矿信息数据对所述初始开采预测模型进行更新训练，得到所述开采预测模型；
17.若所有所述采矿信息数据均不是所述待更新的数据，则将所述初始开采预测模型作为所述开采预测模型。
18.优选地，在将与目标综采工作面对应的数据收集设备采集的当前采矿信息数据输入到所述开采预测模型中，得到预测矿物开采量和预测安全系数之后，还包括：
19.判断在预设时间内是否有作业人员进入所述目标综采工作面内；
20.若没有所述作业人员进入所述目标综采工作面内，则将所述当前采矿信息数据、所述预测矿物开采量和预测安全系数作为更新数据上传至所述云端服务器中。
21.根据本发明第二方面实施例的一种综采工作面的开采数据预测方法，应用于云端服务器，所述方法包括：
22.获取各个综采工作面各自对应的孪生数据；
23.基于所述孪生数据，构建各个所述综采工作面各自对应的孪生模型；
24.将预设的采矿信息数据输入到所述孪生模型中，得到与各个所述综采工作面分别对应的开采过程的模拟数据；
25.根据所述开采过程的模拟数据，得到各个所述综采工作面分别对应的模拟采矿信息数据；
26.将每一所述综采工作面对应的所述模拟采矿信息数据作为更新数据，对每一所述综采工作面对应的采矿信息数据进行更新。
27.根据本发明第三方面实施例一种综采工作面的开采数据预测装置，位于边缘计算节点，所述装置包括：
28.数据集获取模块，用于获取云端服务器中的采矿信息数据集；所述采矿信息数据集包括至少一个综采工作面对应的采矿信息数据；所述采矿信息数据包括矿物采集信息数据、环境信息数据和采矿设备运行信息数据中的至少一个；
29.模型训练模块，用于基于对所述采矿信息数据集训练，得到开采预测模型；所述开采预测模型用于预测综采工作面对应的预测矿物开采量和预测安全系数；
30.预测模块，用于将与目标综采工作面对应的数据收集设备采集的当前采矿信息数据输入到所述开采预测模型中，得到预测矿物开采量和预测安全系数。
31.根据本发明第四方面实施例一种综采工作面的开采数据预测装置，位于云端服务器，所述装置包括：
32.孪生模型构建模块，用于基于各个综采工作面各自对应的孪生数据，构建各个所述综采工作面各自对应的孪生模型；
33.模拟数据获得模块，用于将预设的采矿信息数据输入到所述孪生模型中，得到与各个所述综采工作面分别对应的开采过程的模拟数据；
34.模拟数据获得模块，用于根据所述开采过程的模拟数据，得到各个所述综采工作面分别对应的模拟采矿信息数据；
35.数据集生成模块，用于将每一所述综采工作面对应的所述模拟采矿信息数据作为
更新数据，对每一所述综采工作面对应的采矿信息数据进行更新。
36.根据本发明第五方面实施例一种边缘计算节点，包括：
37.处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，以执行上述任一项所述的方法。
38.根据本发明第六方面实施例一种云端服务器，包括：
39.处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，以执行上述所述的方法。
40.根据本发明第七方面实施例一种计算机可读存储介质，用于存储计算机程序，所述计算机程序使得计算机执行如上述任一项所述的方法。
41.根据本发明第八方面实施例一种包含指令的计算机程序产品，当所述计算机程序产品在控制器上运行时，使得所述控制器执行上述任一项所述的方法。
42.根据本发明第九方面实施例一种综采工作面的开采数据预测系统，包括：数据收集设备、至少一个如上述所述的边缘计算节点、以及上述所述的云端服务器。
43.上述技术方案中的一个技术方案至少具有如下优点或有益效果：
44.本发明提供的一种综采工作面的开采数据预测方法、装置及系统，与现有技术相比，通过获取云端服务器中的采矿信息数据集，完成对至少一个综采工作面对应的采矿信息数据的获取，以扩大对开采预测模型的样本数量，然后基于对采矿信息数据集训练得到开采预测模型，获得经扩大数量的样本所训练出的开采预测模型，最后将与目标综采工作面对应的数据收集设备采集的当前采矿信息数据输入到开采预测模型中，得到与该目标综采工作面实际情况匹配的预测矿物开采量和预测安全系数，从而保证基于该预测矿物开采量和预测安全系数对目标综采工作面开采的工作人员的安全。
附图说明
45.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
46.图1示出了本发明提供的一个实施例的一种应用场景图；
47.图2示出了本发明提供的一个实施例的一种综采工作面的数据预测方法的流程图；
48.图3示出了本发明提供的另一个实施例的一种综采工作面的数据预测方法的流程图；
49.图4示出了本发明提供的再一个实施例的一种综采工作面的数据预测方法的流程图；
50.图5示出了本发明提供的再一个实施例的一种综采工作面的数据预测方法的流程图；
51.图6为本发明提供的一个实施例的一种综采工作面的数据预测装置的示意图；
52.图7为本发明提供的一个实施例的另一种综采工作面的数据预测装置的示意图；
53.图8是本发明提供的一个实施例的控制器的示意性框图。
具体实施方式
54.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
55.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
56.如上所述，在现有技术中，常见的对综采工作面的数据预测的预测模型，是将数据离线数据作为训练样本训练而成的，因此，该预测模型仅通过目标综采工作面所对应的本地的环境生成，故该预测模型具有一定的局限性，故现有技术中的预测模型不能随着样本量的扩大而更新，进而造成其预测出的开采数据具有一定的局限性。
57.为了至少解决现有技术或相关技术中存在的技术问题之一，本发明构思是：先通过获取云端服务器中的采矿信息数据集，完成对至少一个综采工作面对应的采矿信息数据的获取，以扩大对开采预测模型的样本数量，然后基于对采矿信息数据集训练得到开采预测模型，获得经扩大数量的样本所训练出的开采预测模型，最后将与目标综采工作面对应的数据收集设备采集的当前采矿信息数据输入到开采预测模型中，得到与该目标综采工作面实际情况匹配的预测矿物开采量和预测安全系数，从而保证基于该预测矿物开采量和预测安全系数对目标综采工作面开采的工作人员的安全。
58.应理解的是，本发明技术方案可以应用于如下场景，但不限于：
59.在一些可实现方式中，图1为本发明提供的一个实施例的一种应用场景图，如图1所示，该应用场景中的综采工作面的数据预测系统可以包括数据收集设备110、云端服务器120以及边缘计算节点130。边缘计算节点130可以通过有线网络或者无线网络与云端服务器120和数据收集设备110分别建立连接。
60.示例性的，边缘计算节点130可以是台式电脑、笔记本电脑、平板电脑等，但不限于此，也可以是其他终端设备或者服务器。在本发明的一种实施例中，边缘计算节点130可以向云端服务器120发送请求消息，该请求消息可以用于请求获取云端服务器120中的采矿信息数据集，进一步地，边缘计算节点130可以接收云端服务器120发送的响应消息，该响应消息包括采矿信息数据集。在本发明的另一种实施例中，云端服务器120可以向边缘计算节点130发送请求消息，该请求消息可以用于请求边缘计算节点130通过数据收集设备110采集采矿信息数据，使边缘计算节点130在接收到请求消息时进行数据采集。
61.此外，图1示例性地给出了一个数据收集设备110、一个云端服务器120以及一个边缘计算节点130，实际上可以包括其他数量的数据收集设备110和边缘计算节点130，本发明对此不作限制。
62.在介绍了本发明提供的一个实施例的应用场景之后，下面将对本发明技术方案进
行详细阐述：
63.图2为本发明提供的一个实施例的一种综采工作面的数据预测方法的流程图，该方法可以由如图1所示的边缘计算节点130执行，但不限于此。如图2所示，可以包括如下步骤：
64.s210：获取云端服务器中的采矿信息数据集。
65.本步骤中，采矿信息数据集包括至少一个综采工作面对应的数据收集设备采集到的采矿信息数据；采矿信息数据包括矿物采集信息数据、环境信息数据和采矿设备运行信息数据中的至少一个。其中，矿物采集信息数据包括但不限于对综采工作面内的矿物的采开采速度数据、矿物采集位置、矿物类别信息数据、以及待开采矿面的形貌数据；环境信息数据包括但不限于综采工作面内的环境情况数据，这里，环境情况数据包括位于综采工作面内的承重筑件的承重情况数据、以及综采工作面内的可燃气体浓度数据；采矿设备运行信息数据包括不限于综采工作面内的电力使用情况数据、采矿设备的姿态信息数据和采矿设备的运行状况信息数据。
66.在本实施例中，在矿区内的各个综采工作面中均部署数据收集设备和边缘计算节点，以使通过数据收集设备收集到的各个综采工作面分别对应的采矿信息数据上传给各个边缘计算节点。其中，数据收集设备可以包括信息采集传感器和信息采集节点中的至少一种，这里，信息采集传感器包括环境监测传感器，环境监测传感器用于采集综采工作面中的环境信息数据；在采矿设备上设置姿态监测传感器和性能监控类的传感器，这里，姿态监测传感器用于监测采矿设备的姿态信息数据，性能监控类的传感器用于监测综采工作面内的电力使用情况数据、以及采矿设备的运行状况信息数据。需要说明的是，上述的传感器都将通过无线数据传输和数据融合技术传递给与其各自对应的边缘计算节点，各个边缘计算节点将收集到的采矿信息数据上传至云端服务器，并在云端服务器中生成采矿信息数据集。
67.s220：基于对采矿信息数据集训练，得到开采预测模型。
68.本实施例中的开采预测模型用于预测综采工作面对应的预测矿物开采量和预测安全系数；
69.本步骤中，基于对从获取云端服务器中的采矿信息数据集进行训练，得到能够预测综采工作面对应的预测矿物开采量和预测安全系数的开采预测模型，可通过该开采预测模型对目标综采工作面的开采数据的预测，实现对目标综采工作面的安全开采。
70.本实施例中的开采预测模型的训练过程可以包括：训练集和测试集自动划分、修改配置文件、训练网络模型、测试训练出的网络模型、性能统计和先验框聚类分析等。示例性地，可先对大量已标注的采矿信息数据在云服务器中进行模型训练，得到用于预测综采工作面对应的预测矿物开采量和预测安全系数的开采预测模型。这里，预测矿物开采量包括不限于对目标综采工作面的的矿物采集量，预测安全系数包括但不限于与各个矿物开采量对应的矿内坍塌风险系数。
71.应说明的是，开采预测模型可以包括矿物开采量预测模型和安全系数预测模型，矿物开采量预测模型用于预测矿物开采量，安全系数预测模型用于预测安全系数，矿物开采量预测模型和安全系数预测模型可基于现有的机器学习算法训练得到，本实施例不再赘述。
72.s230：将与目标综采工作面对应的数据收集设备采集的当前采矿信息数据输入到
开采预测模型中，得到预测矿物开采量和预测安全系数。
73.在一些可实现方式中，将训练好的开采预测模型移植到与各个综采工作面分别对应的边缘计算节点上，以便在后续步骤中，目标综采工作面对应的数据收集设备将采集到的当前采矿信息数据在边缘计算节点上直接输入到开采预测模型中，以实现对目标综采工作面对应的预测矿物开采量和预测安全系数的快速计算。
74.在获得预测矿物开采量和预测安全系数后，工作人员基于该预测矿物开采量和预测安全系数对目标综采工作面进行开采，例如：在工作人员在开采过程中，对目标综采工作面的矿物开采量到达了预测矿物开采量时，工作人员停止开采工作，从矿区退出；又例如，在工作人员获取到该预测安全系数后，判断目标综采工作面具有坍塌的风险时，工作人员可尽快远离该目标综采工作面，以避免其在开采过程中出现安全风险。
75.本实施例中，先通过获取云端服务器中的采矿信息数据集，完成对至少一个综采工作面对应的采矿信息数据的获取，以扩大对开采预测模型的样本数量，然后基于对采矿信息数据集训练得到开采预测模型，获得经扩大数量的样本所训练出的开采预测模型，最后将与目标综采工作面对应的数据收集设备采集的当前采矿信息数据输入到开采预测模型中，得到与该目标综采工作面实际情况匹配的预测矿物开采量和预测安全系数，从而保证基于该预测矿物开采量和预测安全系数对目标综采工作面开采的工作人员的安全。
76.图3为本发明提供的另一个实施例的综采工作面的开采数据预测方法的流程图。如图3所示，上述s210可以包括：
77.s310：获取与各个综采工作面各自对应的数据收集设备采集的采矿信息数据。
78.在本步骤中，通过部署在各个综采工作面中的数据收集设备采集采矿信息数据后，将采集到的采集采矿信息数据发送至与各个综采工作面各种对应的边缘计算节点中，这里，各个边缘计算节点均与云端服务器通信连接，以使各个边缘计算节点获得的采矿信息数据能够上传至云端服务器中。
79.这里，各个边缘计算节点采集的采矿信息数据包括但不限于各个边缘计算节点在当前时刻采集的采矿信息数据、以及根据预设时刻采集的采矿信息数据。
80.s320：将各个综采工作面各自对应的采矿信息数据分别与云端服务器中的采矿信息数据集中的采矿信息数据进行对比，判断采矿信息数据集中的各个采矿信息数据是否为待更新的数据。
81.由于，采矿信息数据集中的原始的采矿信息数据存在与步骤s310中获取到的采矿信息数据重复的可能性，因此，为了避免采矿信息数据集中的重复的采矿信息数据的冗余，这里，通过将步骤s310中获取的各个采矿信息数据分别与云端服务器中的采矿信息数据集中的原有的采矿信息数据进行对比，判断步骤s310中获取的各个采矿信息数据是否为待更新的数据，即为判断采矿信息数据集中的各个采矿信息数据是为云端服务器中的采矿信息数据集中没有的数据，以确定对步骤s330中的待更新的数据的确定、以及对采矿信息数据集的更新。
82.s330：若采矿信息数据集中的采矿信息数据为待更新的数据，则将数据收集设备采集的采矿信息数据上传至云端服务器中。
83.可以理解的是，在对采矿信息数据集进行更新的过程中，若通过步骤s320确定出有采矿信息数据为待更新的数据，则将该采矿信息数据上传至云端服务器中，以便云端服
务器基于该待更新的数据对采矿信息数据集进行更新；若通过步骤s320确定出有采矿信息数据不是待更新的数据，则将该采矿信息数据保存在与其对应的边缘计算节点中。
84.在对采矿信息数据集进行数据更新时，由于各个综采工作面上的数据收集设备采集到的采矿信息数据，可能会与采矿信息数据集中的原始的采矿信息数据存在重复，因此，直接将各个边缘计算节点接收到的采矿信息数据作为待更新数据对采矿信息数据集进行更新，则会造成采矿信息数据集中的数据冗余，故本发明通过将各个综采工作面各自对应的采矿信息数据分别与云端服务器中的采矿信息数据集中的采矿信息数据进行对比，判断各个采矿信息数据是否为待更新的数据，再在确定采集到的采矿信息数据为待更新的数据后，将该采矿信息数据上传至云端服务器中，以便云端服务器对采矿信息数据集进行更新，从而有效解决在对位于云端服务器中的采矿信息数据集进行数据更新时，采矿信息数据集中的数据冗余的问题。
85.图4为本发明提供的另一个实施例的综采工作面的开采数据预测方法的流程图。基于图3，如图4所示，在上述s220包括：
86.s410：获取云端服务器中的初始开采预测模型。
87.在本步骤中，初始开采预测模型是基于云端服务器中的未更新的采矿信息数据集训练得到的。
88.这里，云端服务器中的未更新的采矿信息数据集包括未被步骤s320所确定的待更新的数据更新之前的采矿信息数据集，例如，基于各个综采工作面的边缘计算节点发送至云端服务器中的历史采矿信息数据所生成的采矿信息数据集。
89.需要说明的是，本实施方式是在云端服务器中，基于对未更新的采矿信息数据集训练，完成的对初始开采预测模型的训练；在云端服务器完成对初始开采预测模型的训练后，将初始开采预测模型发送给与各个综采工作面各自对应的边缘计算节点，以使各个边缘计算节点中的初始开采预测模型均相同。
90.由于，不同的边缘计算节点中接收到的采矿信息数据可能不同，因此，这里对每一边缘计算节点中的采矿信息数据与云端服务器中的采矿信息数据集中的采矿信息数据进行对比，判断每一边缘计算节点中是否有待更新的数据，以便各个初始开采预测模型根据与其所在的边缘计算节点的数据更新情况进行更新。
91.s420：若有采矿信息数据为待更新的数据，则将待更新的数据的采矿信息数据对初始开采预测模型进行更新训练，得到开采预测模型。
92.例如，在确定边缘计算节点1中具有待更新的数据后，将边缘计算节点1中作为待更新的数据的采矿信息数据对初始开采预测模型进行更新训练，得到与边缘计算节点1中的采矿信息数据更加匹配的开采预测模型，以增加边缘计算节点1中的开采预测模型的预测准确性。
93.s430：若所有采矿信息数据均不是待更新的数据，则将初始开采预测模型作为开采预测模型。
94.例如：在确定边缘计算节点2中没有待更新的数据后，将边缘计算节点2中的初始开采预测模型作为该边缘计算节点的开采预测模型，以减少重复数据对初始开采预测模型进行更新训练，即可获得与边缘计算节点2匹配的开采预测模型。
95.本实施方式通过将初始开采预测模型发送至各个综采工作面各自对应的边缘计
算节点中，再根据各个边缘计算节点所接收的采矿信息数据是否为待更新的数据后，对具有待更新的数据的边缘计算节点中的初始开采预测模型进行更新，以实现直接在边缘计算节点对初始开采预测模型的更新，并使各个边缘计算节点均能够获得对其所在综采工作面的采矿数据准确预测的开采预测模型。
96.进一步地，本实施例在将与目标综采工作面对应的边缘计算节点采集的当前采矿信息数据输入到开采预测模型中，得到预测矿物开采量和预测安全系数之后，还可以包括：
97.s510：判断在预设时间内是否有作业人员进入目标综采工作面内；
98.s520：若没有作业人员进入目标综采工作面内，则将当前采矿信息数据、预测矿物开采量和预测安全系数作为更新数据上传至云端服务器中。
99.需要说明的是，在矿区中每个作业人员均会佩戴有用于存储身份信息的ic卡片、以及实时监测生命体征的体征传感器，其中，体征传感器与边缘计算节点通信连接，这里，为了使本技术中的每个传感器通过数据融合技术，实现人机互动和环境的自动监测调节，比如一个矿工进入到开采设备前，这里的开采设备包括但不限于采煤机和掘进机，开采设备会对该矿工的ic卡片进行读取和认证，通过认证的矿工才能控制开采设备。由此可见，本技术中的认证的过程不需要人的主动提供，只需要通过矿工穿戴设备采集人体特征无线传输给位于边缘计算节点中的认证模块即可。同时，边缘计算节点通过获取体征传感器采集的人体体征数据，控制环境调节设备对该综采工作面的环境进行调节，例如：通过体征传感器采集的人体体征数据能够确定出人体有过热过冷的特征，或者有人情况下空气质量较差时，边缘计算节点控制环境调节设备对该综采工作面的环境进行调节，若综采工作面的作业为无人作业的情况下，可以边缘计算节点控制环境调节设备减少排风，以达到节能的效果。
100.在一些可实现方式中，通过作业人员均会佩戴的ic卡片，判断在预设时间内是否有作业人员进入目标综采工作面内；若没有作业人员进入目标综采工作面内，则将当前采矿信息数据、预测矿物开采量和预测安全系数作为更新数据上传至云端服务器中，并对采矿信息数据集进行更新，以使云端服务器将该边缘计算节点上传的计算出的预测矿物开采量和预测安全系数作为全国矿业模型训练的样本，为更精准的开采预测模型训练提供样本。
101.图5为本发明提供的一个实施例的一种综采工作面的数据预测方法的流程图，该方法可以由如图1所示的云端服务器120执行，但不限于此。如图5所示，可以包括如下步骤：
102.s610：基于各个综采工作面各自对应的孪生数据，构建各个综采工作面各自对应的孪生模型。
103.s620：将预设的采矿信息数据输入到孪生模型中，得到与各个综采工作面分别对应的开采过程的模拟数据。
104.s630：根据开采过程的模拟数据，得到各个综采工作面分别对应的模拟采矿信息数据。
105.s640：将每一综采工作面对应的模拟采矿信息数据作为更新数据，对每一综采工作面对应的采矿信息数据进行更新。
106.在一些可实现方式中，云端服务器除了训练步骤s410中的开采预测模型，还存储各个综采工作面各自对应的孪生数据，这里可以基于各个综采工作面各自对应的孪生数
据，在云端服务器中构建各个综采工作面各自对应的孪生模型，以使管理人员可以通过云端服务器在远程即可了解到到各个综采工作面分别对应的视觉3d的矿区情况，方便视察和管理工作的进行。
107.此外，由于通过孪生模块的构建还可以预测综采工作面的开采工作，例如：按照预设开采速度对综采工作面的开采工作最多持续多长时间、以及对综采工作面的开采完毕时的综采工作面的情况均能够在孪生模块中模拟呈现，因此，将预设的采矿信息数据输入到孪生模型中所获得的综采工作面对应的模拟采矿信息数据，可作为该综采工作面对应的模拟采矿信息数据作为更新数据，以使通过步骤s640更新后的采矿信息数据结合了对综采工作面的孪生模型的模拟采矿信息数据，进而实现基于s640更新后的采矿信息数据训练出的开采预测模型所预测出的数据与综采工作面更加匹配。
108.图6是本发明提供的一个实施例的一种综采工作面的数据预测装置700的示意图。如图6所示，该装置700位于边缘计算节点，包括：
109.数据集获取模块710，用于获取云端服务器中的采矿信息数据集；采矿信息数据集包括至少一个综采工作面对应的采矿信息数据；采矿信息数据包括矿物采集信息数据、环境信息数据和采矿设备运行信息数据中的至少一个；
110.模型训练模块720，用于基于对采矿信息数据集训练，得到开采预测模型；开采预测模型用于预测综采工作面对应的预测矿物开采量和预测安全系数；
111.预测模块730，用于将与目标综采工作面对应的数据收集设备采集的当前采矿信息数据输入到开采预测模型中，得到预测矿物开采量和预测安全系数。
112.在一些可实现方式中，数据集获取模块710包括：
113.采矿信息数据获取单元，用于获取与各个综采工作面各自对应的数据收集设备采集的采矿信息数据；
114.第一判断单元，用于将各个所述综采工作面各自对应的采矿信息数据分别与云端服务器中的采矿信息数据集中的采矿信息数据进行对比，判断采矿信息数据集中的各个采矿信息数据是否为待更新的数据；
115.数据更新单元，用于若有采矿信息数据集中的采矿信息数据为待更新的数据，则将数据收集设备采集的采矿信息数据上传至云端服务器中。
116.在一些可实现方式中，模型训练模块720包括：
117.初始模型获取单元，用于获取云端服务器中的初始开采预测模型；初始开采预测模型是基于云端服务器中的未更新的采矿信息数据集训练得到的；
118.模型更新单元，用于若有采矿信息数据为待更新的数据，则将待更新的数据的采矿信息数据对初始开采预测模型进行更新训练，得到开采预测模型；
119.模型确定模块，用于若所有采矿信息数据均不是待更新的数据，则将初始开采预测模型作为所述开采预测模型。
120.在一些可实现方式中，所述装置还包括：
121.判断模块，用于判断在预设时间内是否有作业人员进入目标综采工作面内；
122.采矿信息更新模块，用于若没有作业人员进入目标综采工作面内，则将当前采矿信息数据、预测矿物开采量和预测安全系数作为更新数据上传至云端服务器中。
123.图7是本发明提供的一个实施例的一种综采工作面的开采数据预测装置800的示
意图。如图7所示，该装置800位于云端服务器，包括：
124.孪生模型构建模块810，用于基于各个综采工作面各自对应的孪生数据，构建各个综采工作面各自对应的孪生模型；
125.模拟数据获得模块820，用于将预设的采矿信息数据输入到孪生模型中，得到与各个综采工作面分别对应的开采过程的模拟数据；
126.模拟数据获得模块830，用于根据开采过程的模拟数据，得到各个综采工作面分别对应的模拟采矿信息数据；
127.数据集生成模块840，用于将每一综采工作面对应的模拟采矿信息数据作为更新数据，对每一综采工作面对应的采矿信息数据进行更新。
128.应理解的是，装置实施例与综采工作面的开采数据预测方法实施例可以相互对应，类似的描述可以参照综采工作面的开采数据预测方法实施例。为避免重复，此处不再赘述。具体地，图6所示的装置700、以及图7所示的装置800均可以执行上述综采工作面的开采数据预测方法实施例，并且装置700和800中的各个模块的前述和其它操作和/或功能分别为了实现上述综采工作面的开采数据预测方法中的相应流程，为了简洁，在此不再赘述。
129.上文中结合附图从功能模块的角度描述了本发明实施例的装置700和800。应理解，该功能模块可以通过硬件形式实现，也可以通过软件形式的指令实现，还可以通过硬件和软件模块组合实现。具体地，本发明实施例中的综采工作面的开采数据预测方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路和/或软件形式的指令完成，结合本发明实施例公开的综采工作面的开采数据预测方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。可选地，软件模块可以位于随机存储器，闪存、只读存储器、可编程只读存储器、电可擦写可编程存储器、寄存器等本领域的成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述综采工作面的开采数据预测方法实施例中的步骤。
130.图8是本发明提供的一个实施例的边缘计算节点900的示意性框图。
131.如图8所示，该边缘计算节点900可包括：
132.存储器910和处理器920，该存储器910用于存储计算机程序，并将该程序代码传输给该处理器920。换言之，该处理器920可以从存储器910中调用并运行计算机程序，以实现本发明实施例中的方法。
133.例如，该处理器920可用于根据该计算机程序中的指令执行上述方法实施例。
134.在本发明的一些实施例中，该电子设备920可以包括但不限于：
135.通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(fieldprogrammablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等等。
136.在本发明的一些实施例中，该存储器910包括但不限于：
137.易失性存储器和/或非易失性存储器。其中，非易失性存储器可以是只读存储器(read-onlymemory，rom)、可编程只读存储器(programmablerom，prom)、可擦除可编程只读存储器(erasableprom，eprom)、电可擦除可编程只读存储器(electricallyeprom，eeprom)或闪存。易失性存储器可以是随机存取存储器(randomaccessmemory，ram)，其用作外部高
速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(staticram，sram)、动态随机存取存储器(dynamicram，dram)、同步动态随机存取存储器(synchronousdram，sdram)、双倍数据速率同步动态随机存取存储器(doubledataratesdram，ddrsdram)、增强型同步动态随机存取存储器(enhancedsdram，esdram)、同步连接动态随机存取存储器(synchlinkdram，sldram)和直接内存总线随机存取存储器(direct rambusram，drram)。
138.在本发明的一些实施例中，该计算机程序可以被分割成一个或多个模块，该一个或者多个模块被存储在该存储器910中，并由该处理器920执行，以完成本发明提供的方法。该一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述该计算机程序在该控制器中的执行过程。
139.如图8所示，该边缘计算节点还可包括：
140.收发器930，该收发器930可连接至该处理器920或存储器910。
141.其中，处理器920可以控制该收发器930与其他设备进行通信，具体地，可以向其他设备发送信息或数据，或接收其他设备发送的信息或数据。收发器930可以包括发射机和接收机。收发器930还可以进一步包括天线，天线的数量可以为一个或多个。
142.应当理解，该边缘计算节点中的各个组件通过总线系统相连，其中，总线系统除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。
143.本发明还提供了一种计算机存储介质，其上存储有计算机程序，该计算机程序被计算机执行时使得该计算机能够执行上述方法实施例的方法。或者说，本发明提供的一个实施例还提供一种包含指令的计算机程序产品，该指令被计算机执行时使得计算机执行上述方法实施例的方法。
144.当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本发明实施例该的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digitalsubscriberline，dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital videodisc，dvd))、或者半导体介质(例如固态硬盘(solidstatedisk，ssd))等。
145.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
146.在本发明所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，该模块的划
分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
147.作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。例如，在本技术各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
148.以上仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以该权利要求的保护范围为准。

技术特征：
1.一种综采工作面的数据预测方法，其特征在于，应用于边缘计算节点，所述方法，包括：获取云端服务器中的采矿信息数据集；所述采矿信息数据集包括至少一个综采工作面对应的采矿信息数据；所述采矿信息数据包括矿物采集信息数据、环境信息数据和采矿设备运行信息数据中的至少一个；基于对所述采矿信息数据集训练，得到开采预测模型；所述开采预测模型用于预测所述综采工作面对应的预测矿物开采量和预测安全系数；将与目标综采工作面对应的数据收集设备采集的当前采矿信息数据输入到所述开采预测模型中，得到所述预测矿物开采量和所述预测安全系数。2.根据权利要求1所述的方法，其特征在于，所述获取云端服务器中的采矿信息数据集，包括：获取与各个所述综采工作面各自对应的所述数据收集设备采集的采矿信息数据；将各个所述综采工作面各自对应的采矿信息数据分别与所述云端服务器中的采矿信息数据集中的采矿信息数据进行对比，判断所述采矿信息数据集中的各个所述采矿信息数据是否为待更新的数据；若所述采矿信息数据集中的所述采矿信息数据为待更新的数据，则将所述数据收集设备采集的所述采矿信息数据上传至所述云端服务器中。3.根据权利要求2所述的方法，其特征在于，所述基于对所述采矿信息数据集训练，得到开采预测模型，包括：获取所述云端服务器中的初始开采预测模型；所述初始开采预测模型是基于所述云端服务器中的未更新的所述采矿信息数据集训练得到的；若所述采矿信息数据为所述待更新的数据，则将待更新的数据作为所述采矿信息数据对所述初始开采预测模型进行更新训练，得到所述开采预测模型；若所有所述采矿信息数据均不是所述待更新的数据，则将所述初始开采预测模型作为所述开采预测模型。4.根据权利要求1所述的方法，其特征在于，在将与目标综采工作面对应的数据收集设备采集的当前采矿信息数据输入到所述开采预测模型中，得到预测矿物开采量和预测安全系数之后，还包括：判断在预设时间内是否有作业人员进入所述目标综采工作面内；若没有所述作业人员进入所述目标综采工作面内，则将所述当前采矿信息数据、所述预测矿物开采量和预测安全系数作为更新数据上传至所述云端服务器中。5.一种综采工作面的数据预测方法，其特征在于，应用于云端服务器，所述方法，包括：基于各个综采工作面各自对应的孪生数据，构建各个所述综采工作面各自对应的孪生模型；将预设的采矿信息数据输入到所述孪生模型中，得到与各个所述综采工作面分别对应的开采过程的模拟数据；根据所述开采过程的模拟数据，得到各个所述综采工作面分别对应的模拟采矿信息数据；将每一所述综采工作面对应的所述模拟采矿信息数据作为更新数据，对每一所述综采
工作面对应的采矿信息数据进行更新。6.一种综采工作面的数据预测装置，其特征在于，位于边缘计算节点，所述装置包括：数据集获取模块，用于获取云端服务器中的采矿信息数据集；所述采矿信息数据集包括至少一个综采工作面对应的采矿信息数据；所述采矿信息数据包括矿物采集信息数据、环境信息数据和采矿设备运行信息数据中的至少一个；模型训练模块，用于基于对所述采矿信息数据集训练，得到开采预测模型；所述开采预测模型用于预测综采工作面对应的预测矿物开采量和预测安全系数；预测模块，用于将与目标综采工作面对应的数据收集设备采集的当前采矿信息数据输入到所述开采预测模型中，得到预测矿物开采量和预测安全系数。7.一种综采工作面的数据预测装置，其特征在于，位于云端服务器，所述装置包括：孪生模型构建模块，用于基于各个综采工作面各自对应的孪生数据，构建各个所述综采工作面各自对应的孪生模型；模拟数据获得模块，用于将预设的采矿信息数据输入到所述孪生模型中，得到与各个所述综采工作面分别对应的开采过程的模拟数据；模拟数据获得模块，用于根据所述开采过程的模拟数据，得到各个所述综采工作面分别对应的模拟采矿信息数据；数据集生成模块，用于将每一所述综采工作面对应的所述模拟采矿信息数据作为更新数据，对每一所述综采工作面对应的采矿信息数据进行更新，生成采矿信息数据集。8.一种边缘计算节点，其特征在于，包括：处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，以执行权利要求1-4中任一项所述的方法。9.一种云端服务器，其特征在于，包括：处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，以执行权利要求5中所述的方法。10.一种综采工作面的数据预测系统，其特征在于，包括：至少一个数据收集设备、至少一个如权利要求8所述的边缘计算节点、以及如权利要求9所述的云端服务器。

技术总结
本发明提供了一种综采工作面的数据预测方法、装置及系统，涉及安全预测技术领域。数据预测方法，包括：获取云端服务器中的采矿信息数据集；基于对采矿信息数据集训练，得到开采预测模型；将与目标综采工作面对应的数据收集设备采集的当前采矿信息数据输入到开采预测模型中，得到预测矿物开采量和预测安全系数。本发明通过扩大对开采预测模型的样本数量，获得能够准确预测出目标综采工作面对应的矿物开采量和安全系数的开采预测模型，以实现对目标综采工作面的矿物开采量和安全系数的准确预测。预测。预测。


技术研发人员：袁茵 贾露露 庞大伟
受保护的技术使用者：三一智能装备有限公司
技术研发日：2023.06.05
技术公布日：2023/9/9