本发明属于数据处理，尤其涉及一种基于多源数据融合的煤矿安全数据处理方法。
背景技术：
1、随着煤矿开采深度和强度的不断增加，煤矿安全问题日益严峻。煤矿事故的发生往往给人们的生命财产带来巨大损失，因此，确保煤矿安全至关重要。传统的煤矿安全监测主要依赖于单一数据源，如瓦斯监测系统或通风系统，这些系统只能提供局部的安全信息，无法全面反映煤矿的整体安全状态。
2、为了更准确地判断煤矿安全状态，需要融合来自多个数据源的数据，包括瓦斯浓度数据、风速数据、巷道压力数据、温度数据、粉尘浓度数据、设备运行状态数据等。然而，这些多源数据往往存在噪声和干扰，需要进行有效的数据处理和分析。
3、目前，数据处理和分析技术在煤矿安全领域的应用还存在一些不足，如数据融合算法的准确性和可靠性有待提高，关键特征提取和趋势分析的方法不够完善，导致对煤矿安全状态的判断不够准确和及时。
技术实现思路
1、本发明针对上述所存在的技术问题，提出一种方法简单、操作方便且能够有效解决煤矿安全状态的判断方法。
2、为了达到上述目的，本发明采用的技术方案为，包括以下步骤：
3、s1、首先需要从煤矿中采集影响煤矿安全的多种数据；
4、s2、其次进行数据预处理，采用结合多尺度分析的混合滤波算法对收集到的数据进行去噪，以提高数据的质量；
5、s3、然后采用改进的加权平均融合算法，将来自不同数据源的数据进行融合，以获得更全面、准确的煤矿安全状态信息；
6、s4、最后对融合后的数据进行分析，采用改进皮尔逊相关系数提取关键特征，判断煤矿安全状态；
7、所述步骤s2中多尺度分析的混合滤波去噪的实现过程为：
8、s21、首先进行多尺度分解，对输入的煤矿数据信号进行小波变换，得到不同尺度的子带，小波变换系数表示为：低频子带，其中表示在尺度j和位置k处的低频信号分量，为尺度函数，用于构建近似信号即低频子带，高频子带，其中表示在尺度j和位置k处的高频信号分量，为小波变换函数，用于对信号进行多尺度分析，提取不同频率的细节信息；
9、s22、其次对低频子带采用均值滤波进行初步去噪，则均值滤波后的信号为：，其中为滤波窗口大小，表示原始低频子带信号在位置处的信号值，表示对以目标位置为中心的邻域内的所有位置点的信号值进行求和操作；
10、s23、接着对于高频子带，使用改进的中值滤波算法，首先计算窗口内所有像素值的中值m，将中心像素值与中值进行比较，若中心像素值与中值的差值大于预设阈值，则用中值替换中心像素值，若差值小于等于阈值，则保持中心像素值不变；
11、s24、最后将处理后的低频子带和高频子带进行重构，得到去噪后的煤矿数据信号，重构过程通过将各个尺度下的近似系数和细节系数进行组合来实现。
12、作为优选，所述步骤s1中多种数据包括瓦斯浓度数据、风速数据、巷道压力数据、温度数据、粉尘浓度数据、设备运行状态数据。
13、作为优选，所述步骤s3中用改进的加权平均融合算法的具体实现为：
14、s31、首先建立权重评估指标体系，设置数据源的历史准确率、数据更新频率、设备稳定性指标；
15、s32、其次对每个指标进行量化，并根据其重要性赋予相应的权重，对每个数据源在各个指标上进行评分；
16、s33、然后根据数据源的实时表现和环境变化，动态调整权重；
17、s34、接着对于每个数据点，融合后的数据值为，其中n为数据源的数量，是第i个数据源的数据值，是第i个数据源的权重；
18、s35、最后为了使融合后的数据更加平滑，采用移动平均法取融合后数据的一定时间窗口内的平均值作为最终的融合结果。
19、作为优选，所述步骤s4中采用改进皮尔逊相关系数提取关键特征，判断煤矿安全状态的实现步骤为：
20、s41、首先进行特征提取，在传统皮尔逊相关系数中引入惩罚系数，其中表示改进后的皮尔逊相关系数，分别表示两个特征的第i个观测值，分别表示两个特征的均值，n为观测值的数量，是惩罚项的权重系数，是惩罚函数；
21、s42、然后根据实际情况设定相关性阈值，筛选出相关系数大于阈值的特征；
22、s43、最后使用选择出的关键特征构建煤矿安全状态模型，采用支持向量机方法进行煤矿安全状态预测，根据模型的输出结果，判断煤矿的安全状态，输出结果概率值大于0.7对应高风险评分，0.3到0.7对应中等风险评分，小于0.3对应低风险评分，并及时发出预警。
23、与现有技术相比，本发明的优点和积极效果在于，采用多源数据融合，能够更全面地反映煤矿的整体安全状态，避免了单一数据源的局限性。结合多尺度分析的混合滤波算法进行数据去噪，提高了数据的质量，为后续的分析和预测提供了更可靠的数据基础。采用改进皮尔逊相关系数提取关键特征，能够更好地筛选出与煤矿安全状态相关的重要特征，提高了安全状态判断的准确性。采用支持向量机方法进行煤矿安全状态预测，并根据输出结果进行风险评分和及时预警，有助于提前发现安全隐患，采取相应的措施，保障煤矿的安全生产。
1.一种基于多源数据融合的煤矿安全数据处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多源数据融合的煤矿安全数据处理方法，其特征在于，所述步骤s1中多种数据包括瓦斯浓度数据、风速数据、巷道压力数据、温度数据、粉尘浓度数据、设备运行状态数据。
3.根据权利要求1所述的一种基于多源数据融合的煤矿安全数据处理方法，其特征在于，所述步骤s3中用改进的加权平均融合算法的具体实现为：
4.根据权利要求1所述的一种基于多源数据融合的煤矿安全数据处理方法，其特征在于，所述步骤s4中采用改进皮尔逊相关系数提取关键特征，判断煤矿安全状态的实现步骤为：
