本发明涉及数据处理，尤其涉及一种基于时序数据分析的矿井通风动态预警方法。
背景技术：
1、矿井通风系统是保障矿井安全生产和工人健康的重要设施，矿井通风系统需要监测的参数包括但不限于矿井内部的温度、湿度、氧气含量、有害气体浓度、风速，每个参数的监测都需要使用一个或多个传感器来完成。另外，矿井通风系统的环境变化较快，随着矿井内工作与设备的运行，矿井内部的温度、湿度、氧气含量、有害气体浓度、风速等参数都会发生变化，需要及时监测，而为了对矿井中的实时监测数据进行高效监测，通常根据矿井的历史监测数据建立神经网络模型，从而对矿井内的通风状态异常进行监测预警。
2、但由于因为矿井通风系统的监测数据量极大，在进行用于矿井内的通风状态异常预警的神经网络模型训练时，矿井通风系统的监测数据中的大量噪声数据会导致模型精度下降等问题，因此，在利用矿井通风系统的历史监测数据进行神经网络模型训练之前，需要对历史监测数据进行预处理过程，以消除历史监测数据中的噪声数据。
3、现有技术中对于消除历史监测数据中的噪声数据的方法是：获取每个历史时刻的多维监测数据，得到多维监测时序数据，通过多维监测时序数据中呈现出的局部连通性差异来进行噪声数据的评估，其原理为：在多维监测时序数据中，监测数据的变化会呈现为连续的变化趋势，然而多维监测时序数据中的噪声数据，会呈现出与局部变化模式的较高差异性，因此通过基于局部连通性的cof离群因子对多维监测时序数据中的噪声数据进行评估。
4、但是，在对矿井通风的多维监测时序数据进行基于连通性的cof离群因子评估过程中，对于多维监测时序数据中不同时间戳的数据点，其是通过任意两个数据点之间的距离差异进行距离衡量的，然而在矿井监测过程中，不同维度的变化模式不同，因此，在计算任意两个数据点之间的距离度量时，存在异常变化的维度被正常维度之间的距离拉低差异，从而导致多维监测时序数据中的噪声数据评估不准确，无法准确消除监测数据中的噪声数据。
5、因此，如何提高消除历史监测数据中的噪声数据的准确性，以增强用于对矿井内的通风状态异常进行监测预警的神经网络模型的模型精度成为亟需解决的问题。
技术实现思路
1、有鉴于此，本发明实施例提供了一种基于时序数据分析的矿井通风动态预警方法，以解决如何提高消除历史监测数据中的噪声数据的准确性，以增强用于对矿井内的通风状态异常进行监测预警的神经网络模型的模型精度的问题。
2、本发明实施例中提供了一种基于时序数据分析的矿井通风动态预警方法，该方法包括以下步骤：
3、获取每个采样时刻下矿井环境中预设的多维监测数据，得到历史时段内的多维监测数据时序序列和每个维度的监测时序数据；
4、分别对每个维度的监测时序数据进行stl分解，得到对应的趋势项，针对所述多维监测数据时序序列中的任一多维监测数据，在所有趋势项中分别获取所述多维监测数据中的每个维度的趋势局部窗口，根据所述多维监测数据中的各个维度之间的趋势局部窗口的差异，分别获取所述多维监测数据中的每个维度的趋势变化相似度；
5、分别对每个维度的监测时序数据进行归一化处理，得到对应的归一化时序数据，在所有归一化时序数据中分别获取所述多维监测数据中的每个维度的数据局部窗口，根据所述多维监测数据中的每个维度的趋势变化相似度和数据局部窗口，分别获取所述多维监测数据中的每个维度的重要程度；
6、根据所述多维监测数据中的每个维度的重要程度，对所述多维监测数据的cof离群因子进行优化，得到优化cof离群因子，根据所述多维监测数据时序序列中的每个多维监测数据的优化cof离群因子进行噪声数据消除，得到消除后的多维监测数据时序序列；
7、利用所述消除后的多维监测数据时序序列对神经网络模型进行训练，得到风险预测模型，利用所述风险预测模型进行矿井通风动态预警。
8、优选的，所述根据所述多维监测数据中的各个维度之间的趋势局部窗口的差异，分别获取所述多维监测数据中的每个维度的趋势变化相似度，包括：
9、针对所述多维监测数据中的任一维度，分别获取所述维度的趋势局部窗口和所述多维监测数据中除所述维度之外的每个维度的趋势局部窗口之间的dtw距离，对所有dtw距离的方差进行归一化，对应得到的结果作为所述维度的趋势变化相似度。
10、优选的，所述根据所述多维监测数据中的每个维度的趋势变化相似度和数据局部窗口，分别获取所述多维监测数据中的每个维度的重要程度，包括：
11、针对所述多维监测数据中的任一维度，根据所述多维监测数据中的每个维度的趋势变化相似度，获取趋势变化相似度的方差，将所述趋势变化相似度的方差的相反数代入以自然常数为底数的指数函数中，得到对应的指数函数结果，获取常数1和所述指数函数结果的差值与所述维度的趋势变化相似度之间的第一乘积；
12、获取所述维度的数据局部窗口中的数值方差，对所述数值方差进行归一化处理，得到对应的归一化值，获取所述指数函数结果、所述归一化值和所述维度的趋势变化相似度之间的第二乘积；
13、对所述第一乘积和所述第二乘积之间的加和结果进行归一化处理，对应得到的结果作为所述维度的重要程度。
14、优选的，所述根据所述多维监测数据中的每个维度的重要程度，对所述多维监测数据的cof离群因子进行优化，得到优化cof离群因子，包括：
15、在所述多维监测数据时序序列中获取所述多维监测数据的局部窗口，利用所述多维监测数据的局部窗口中的每个数据点的每个维度的重要程度，获取所述多维监测数据的局部平均链接距离；
16、根据所述多维监测数据的局部窗口中的每个数据点的局部平均链接距离，获取所述多维监测数据的优化cof离群因子。
17、优选的，所述利用所述多维监测数据的局部窗口中的每个数据点的每个维度的重要程度，获取所述多维监测数据的局部平均链接距离，包括：
18、
19、其中，dt表示第t个多维监测数据的局部平均链接距离，k表示第t个多维监测数据的局部窗口中包含的数据点数量，表示第t个多维监测数据的局部窗口中的第i个数据点的第j个维度的重要程度，表示第t个多维监测数据的局部窗口中的第i+1个数据点的第j个维度的重要程度，表示第t个多维监测数据的局部窗口中的第i个数据点的第j个维度的归一化值，表示第t个多维监测数据的局部窗口中的第i+1个数据点的第j个维度的归一化值，m表示多维监测数据的维度数量，表示第t个多维监测数据的局部窗口中的第i个数据点的第j个维度对应的数据与第t个多维监测数据的局部窗口中的第i+1个数据点的第j个维度对应的数据之间的欧式距离。
20、优选的，所述根据所述多维监测数据时序序列中的每个多维监测数据的优化cof离群因子进行噪声数据消除，得到消除后的多维监测数据时序序列，包括：
21、针对所述多维监测数据时序序列中的任一多维监测数据，获取所述多维监测数据的优化cof离群因子与常数1之间的差值绝对值，对所述差值绝对值进行归一化处理，对应得到的结果作为所述多维监测数据的离群程度；
22、获取预设的离群程度阈值，若所述多维监测数据的离群程度大于或等于所述离群程度阈值，则确定所述多维监测数据为噪声数据；
23、获取所述多维监测数据时序序列中的所有噪声数据，通过对任一噪声数据两侧的多维监测数据进行均值处理，将对应获取的均值替换所述噪声数据，得到消除后的多维监测数据时序序列。
24、本发明实施例与现有技术相比存在的有益效果是：
25、本发明获取每个采样时刻下矿井环境中预设的多维监测数据，得到历史时段内的多维监测数据时序序列和每个维度的监测时序数据；分别对每个维度的监测时序数据进行stl分解，得到对应的趋势项，针对所述多维监测数据时序序列中的任一多维监测数据，在所有趋势项中分别获取所述多维监测数据中的每个维度的趋势局部窗口，根据所述多维监测数据中的各个维度之间的趋势局部窗口的差异，分别获取所述多维监测数据中的每个维度的趋势变化相似度；分别对每个维度的监测时序数据进行归一化处理，得到对应的归一化时序数据，在所有归一化时序数据中分别获取所述多维监测数据中的每个维度的数据局部窗口，根据所述多维监测数据中的每个维度的趋势变化相似度和数据局部窗口，分别获取所述多维监测数据中的每个维度的重要程度；根据所述多维监测数据中的每个维度的重要程度，对所述多维监测数据的cof离群因子进行优化，得到优化cof离群因子，根据所述多维监测数据时序序列中的每个多维监测数据的优化cof离群因子进行噪声数据消除，得到消除后的多维监测数据时序序列；利用所述消除后的多维监测数据时序序列对神经网络模型进行训练，得到风险预测模型，利用所述风险预测模型进行矿井通风动态预警。其中，通过矿井通风的多维监测数据时序序列中的每个数据点的各个维度的变化信息进行各个维度的重要程度评估，从而在对多维监测数据时序序列中的每个数据点进行cof离群因子计算过程中突出数据点之间的时序模式差异，以准确识别多维监测数据时序序列中的噪声数据，并进行噪声数据消除，进而通过消除后的多维监测数据时序序列建立了模型精度更高的风险预测模型，用于矿井通风的动态预警，实现了更加符合实际的预警识别。
1.基于时序数据分析的矿井通风动态预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于时序数据分析的矿井通风动态预警方法，其特征在于，所述根据所述多维监测数据中的各个维度之间的趋势局部窗口的差异，分别获取所述多维监测数据中的每个维度的趋势变化相似度，包括：
3.根据权利要求1所述的基于时序数据分析的矿井通风动态预警方法，其特征在于，所述根据所述多维监测数据中的每个维度的趋势变化相似度和数据局部窗口，分别获取所述多维监测数据中的每个维度的重要程度，包括：
4.根据权利要求1所述的基于时序数据分析的矿井通风动态预警方法，其特征在于，所述根据所述多维监测数据中的每个维度的重要程度，对所述多维监测数据的cof离群因子进行优化，得到优化cof离群因子，包括：
5.根据权利要求4所述的基于时序数据分析的矿井通风动态预警方法，其特征在于，所述利用所述多维监测数据的局部窗口中的每个数据点的每个维度的重要程度，获取所述多维监测数据的局部平均链接距离，包括：
6.根据权利要求1所述的基于时序数据分析的矿井通风动态预警方法，其特征在于，所述根据所述多维监测数据时序序列中的每个多维监测数据的优化cof离群因子进行噪声数据消除，得到消除后的多维监测数据时序序列，包括：
