基于新型卷积神经网络构建矿山灾害事件检测模型

事件检测属于自然语言处理的核心任务及难点之一,使用长短时记忆网络(LSTM)和卷积神经网络(CNN)进行的相关研究越来越广泛,但面对篇章级别的事件文本时,参数量庞大的LSTM与语义缺失明显的CNN导致模型检测准确性和收敛性均欠佳。该文结合迭代空洞卷积神经网络和高速神经网络,提出基于混合特征的高速迭代空洞卷积神经网络,力图优化深层模型训练中常见的梯度消失与爆炸现象,提取性能更优的篇章级文本特征。实验结果表明,该方法与当下主流的LSTM和CNN模型相比,矿山灾害事件检测效果更为理想,收敛性及训练效率也表现更优。     

煤矿安全知识图谱构建及智能查询方法研究

煤矿企业正从信息化建设向智能化迈进,以大数据、人工智能为代表的网络新技术已促进了矿山领域的智能化发展。但是由于煤矿领域数据信息的繁杂性,难以对其进行统一而高效地收集、信息挖掘,进而促进深一步的特定领域研究和应用。将知识图谱技术初步引入煤矿安全领域,对相关知识概念分类建模,并基于图数据库存储,用实体关系图的方式直观地描述各类概念及概念之间的关系,然后基于初步构建的知识图谱,提出了一种自然语言知识查询方法。实验证明,该文提出的方法具有较高的查全率和查准率,基于Spark的并行朴素贝叶斯问题分类方法可以在保证准确率的同时,显著提升训练效率。该文工作为煤矿安全知识图谱构建及智能查询做了初步有益探索。     

基于时空约束的瓦斯事故知识库构建及预警推理

现有煤矿瓦斯事故预警方法多以基于监测数据的人工防控为主,为了实现瓦斯事故智能化分析预警以及相关知识复用和共享,基于本体和事故树理论,提出构建动态瓦斯事故预警知识库及推理模型,满足各致灾因素时间空间共存约束下的瓦斯事故知识描述和分析预警。构建本体模型及推理规则库,实现从根源危险源到基本事件的隐性知识推理,根据推理所得基本事件和顶上事件关系,计算出动态时空约束下的瓦斯事故顶上事件发生概率及事故等级,最后根据事故等级给出相应的决策支持。试验结果表明,提出的瓦斯事故预警知识库及推理模型,可有效计算各种时空约束下的动态瓦斯事故发生概率,在瓦斯事故知识描述和智能化预警领域做出了有益的探索。