(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111564574.8 (22)申请日 2021.12.20 (71)申请人 华能煤炭技 术研究有限公司 地址 100071 北京市丰台区南四环西路18 8 号17区8号楼3层3 01室 申请人 华能云南滇东能源 有限责任公司 　 华能煤业有限公司陕西矿业分公司 　 华亭煤业 集团有限责任公司 　 扎赉诺尔煤业有限责任公司 　 庆阳新庄煤业有限公司新庄煤矿 (72)发明人 李伟东　孙强　周翔　尚晓龙　 李德君　谭吉寿　马新根　 (74)专利代理 机构 北京五洲洋和知识产权代理 事务所(普通 合伙) 11387 专利代理师 刘春成　刘素霞(51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/02(2012.01) G06K 9/62(2022.01) G06F 40/289(2020.01) G06F 40/242(2020.01) (54)发明名称 一种煤矿安全隐患文本分析预测方法和系 统 (57)摘要 本申请提供了一种煤矿安全隐患文本分析 预测方法和系统。 该方法包括： 基于预先构建的 LDA‑Gibbs主题聚类模型， 根据安全隐患文本得 到的隐患文本向量， 确定安全隐患文本的N个文 本主题； 根据安全隐患文本和每个文本主题相对 应的隐患关键词， 确定预设时间间隔内的隐患时 序数据； 根据隐患时序数据， 基于预设的时序预 测模型， 对煤矿的安全隐患进行预测。 籍此， 通过 对煤矿现有安全生产工作内涉及较少的安全 隐 患文本进行挖掘分析， 将非结构化的隐患文本转 换为机器可以识别的结构化数据， 利用时序预测 模型， 仅通过隐患自身的历史数据对隐患数量进 行预测， 实现煤矿安全隐患分析预测的自动化处 理。 权利要求书2页 说明书9页 附图6页 CN 114492926 A 2022.05.13 CN 114492926 A 1.一种煤矿安全隐患文本分析 预测方法， 其特 征在于， 包括： 步骤S101、 基于预先构 建的LDA‑Gibbs主题聚类模型， 根据所述安全隐患文本得到的隐 患文本向量， 确定所述安全隐患文本的N个文本主题； 其中， N为所述安全隐患文本中的 隐患 类型的数量， 取正整数； 步骤S102、 根据所述安全隐患文本和每个所述文本主题相对应的隐患关键词， 确定预 设时间间隔内的隐患时序数据； 其中， 所述隐患时序数据表征所述预设时间间隔内对应的 所述隐患类型的隐患数量； 步骤S103、 根据所述隐患时序数据， 基于预设的时序预测模型， 对所述煤矿的安全隐患 进行预测。 2.根据权利要求1所述的煤矿安全隐患文本分析预测方法， 其特征在于， 在步骤S101 中， 所述基于预先构建的LDA ‑Gibbs主题聚类模 型， 根据所述安全隐患文本得到的隐患文本 向量， 确定所述 安全隐患文本的N个文本主题， 包括： 步骤S111、 基于预设的停用词库和自定义词库， 对所述安全隐患文本进行分词， 得到所 述隐患文本向量； 步骤S121、 基于预设的困惑度模型， 根据所述隐患文本向量， 确定所述文本主题的数 量； 步骤S131、 根据所述文本主题的数量， 建立所述LDA ‑Gibbs主题聚类模型， 以确定所述 安全隐患文本的N个所述文本主题。 3.根据权利要求1所述的煤矿安全隐患文本分析预测方法， 其特征在于， 在步骤S102 中， 所述根据所述安全隐患文本和每个所述文本主题相对应的隐患关键词， 确定预设时间 间隔内的隐患时序数据， 包括： 步骤S112、 分别确定N个所述文本主题对应的隐患关键词； 步骤S122、 将每个所述文本主题对应的所述隐患关键词与所述安全隐患文本进行匹 配， 确定所述预设时间 间隔内的所述隐患时序数据。 4.根据权利要求1所述的煤矿安全隐患文本分析预测方法， 其特征在于， 在步骤S103 中， 所述时序预测模型为差分整合移动平均自回归 模型， 对应的， 所述根据所述 隐患时序数据， 基于预设的时序预测模型， 对所述煤矿的安全隐患进行 预测， 具体为： 根据所述隐患时序数据， 基于预设的所述差分整合移动平均自回归模型， 对 所述煤矿的安全隐患进行 预测。 5.根据权利要求4所述的煤矿安全隐患文本分析预测方法， 其特征在于， 所述根据 所述 隐患时序数据， 基于预设的所述差分整合移动平均自回归模型， 对所述煤矿的安全隐患进 行预测， 包括： 步骤S113、 对所述隐患时序数据进行白噪声平稳性校验， 确定所述隐患时序数据满足 预设的平稳性要求； 步骤S123、 根据满足所述平稳性要求的所述隐患时序数据， 确定所述差分整合移动平 均自回归 模型的模型参数； 步骤S133、 基于所述模型参数确定的所述差分整合移动平均自回归模型， 对所述隐患 时序数据依次进行拟合、 预测、 校验操作， 得到所述煤矿的隐患预测数量以及隐患预测趋权　利　要　求　书 1/2 页 2 CN 114492926 A 2势。 6.根据权利要求5所述的煤矿安全隐患文本分析预测方法， 其特征在于， 在步骤S113 中， 对所述隐患时序数据进行白噪声平稳性校验， 确定所述隐患时序数据满足预设的平稳 性要求， 具体为： 响应于进行白噪声平稳性校验的所述隐患时序数据不满足所述平稳性要求， 基于预设 的数据变换方法， 对所述隐患时序数据进行变换， 直至所述隐患时序数据满足所述平稳性 要求； 其中， 所述数据变换方法至少包括： 对数变换、 周期性移动平均变换、 周期性移动差 分 变换中的一种。 7.根据权利要求5所述的煤矿安全隐患文本分析预测方法， 其特征在于， 在步骤S123 中， 根据满足所述平稳性要求的所述隐患时序数据， 确定所述差分整合移动平均自回归模 型的模型参数， 具体为： 计算满足所述平稳性要求的所述隐患时序 数据的自相关系数、 偏自相关系数和赤池信 息值， 以确定所述差分整合移动平均自回归 模型的所述模型参数。 8.一种煤矿安全隐患文本分析 预测系统， 其特 征在于， 包括： 主题确定单元， 配置为基于预先构 建的LDA‑Gibbs主题聚类模型， 根据所述安全隐患文 本得到的 隐患文本向量， 确定所述安全隐患文本的N个文本主题； 其中， N为所述安全隐患文 本中的隐患类型的数量， 取正整数； 时序数据确定单元， 配置为根据所述安全隐患文本和每个所述文本主题相对应的隐患 关键词， 确定预设时间间隔内的 隐患时序数据； 其中， 所述隐患时序数据 表征所述预设时间 间隔内对应的所述隐患类型的隐患数量； 隐患预测单元， 配置为根据 所述隐患时序 数据， 基于预设的时序 预测模型， 对所述煤矿 的安全隐患进行 预测。权　利　要　求　书 2/2 页 3 CN 114492926 A 3