摘要：虽然知识图谱已广泛应用于各个领域,但在煤矿安全方面,尤其在煤矿井下不安全行为方面的研究较少。构建了一种自底向上的煤矿井下不安全行为知识图谱。首先,采用传统机器学习和深度学习算法相结合的方法进行命名实体识别,采用RoBERTa进行词语向量化,采用双向长短时记忆网络(BiLSTM)对向量进行标注,提高网络模型对上下文特征的捕捉能力,通过多层感知机(MLP)解决煤矿井下不安全行为数据集数据量不足的问题,采用条件随机场(CRF)模型解决前面存在的单词关系不识别问题,并捕获全文信息和预测结果。其次,根据语句的结构特点,设计了基于知识“实体-关系-实体”三元组的依存句法树结构,对井下不安全行为领域的知识资源进行知识抽取与表示。最后,构建面向井下不安全行为的知识图谱。实验结果表明:(1) RoBERTaBiLSTM-MLP-CRF模型对于导致结果、违反性行为、错误性行为及粗心性行为4类实体类别具有较好的识别效果,其准确率分别为86.7%,80.3%,80.7%,77.4%。(2)在相同的数据集下,RoBERTa-BiLSTM-MLP-CRF模型训练的准确率、召回率、F1值较RoBERTa-BiLSTM-CRF模型分别提高了1.6%,1.5%,1.6%。

摘要：利用知识图谱技术进行数据管理可实现对煤矿综采设备的有效表示,以便获取具有深度挖掘价值的信息。煤矿综采设备数据不均衡、某些类别设备实体较少等问题影响实体识别精度。针对上述问题,提出了一种基于联合编码的煤矿综采设备知识图谱构建方法。首先构建综采设备本体模型,确定概念及关系。然后设计实体识别模型:利用Token Embedding、Position Embedding、Sentence Embedding和Task Embedding 4层Embedding结构与Transformer−Encoder进行煤矿综采设备数据编码,提取词语间的依赖关系及上下文信息特征;引入中文汉字字库,利用Word2vec模型进行编码,提取字形间的语义规则,解决煤矿综采设备数据中生僻字问题;使用GRU模型对综采设备数据和字库编码后的字符向量进行联合编码,融合向量特征;利用Lattice−LSTM模型进行字符解码,获取实体识别结果。最后利用图数据库技术,将抽取的知识以图谱的形式进行存储和组织,完成知识图谱构建。在煤矿综采设备数据集上进行实验验证,结果表明该方法对综采设备实体的识别准确率较现有方法提高了1.26%以上,在一定程度上缓解了在少量样本情况下构建煤矿综采设备知识图谱时因数据较少导致的精度不足问题。

摘要：深度学习模型在对抗攻击面前非常脆弱,即使对数据添加一个小的、感知上无法区分的扰动,也很容易降低其分类性能.针对现有黑盒对抗攻击方法存在效率低和成功率不高的问题,提出基于拓扑自适应粒子群优化的黑盒对抗攻击方法.首先根据原始图像随机生成初始对抗样本种群;然后根据邻域信息计算各样本的扰动并在搜索空间内迭代,计算动态惩罚项系数以控制样本的适应度值,当迭代多次种群适应度值未提高时,各样本进行邻域重分布,根据进化轨迹调整状态;最后修剪多余扰动获得最终的对抗样本.以InceptionV3等分类模型为攻击对象,使用MNIST,CIFAR-10和ImageNet数据集,在相同的样本数量和模型访问限制条件下,进行无目标对抗攻击和目标对抗攻击实验.结果表明,与现有方法相比,所提攻击方法具有较少的模型访问次数和较高的攻击成功率,对InceptionV3模型的平均访问次数为2 502,攻击成功率为94.30%.

摘要：为解决现有的智能电网电力盗窃行为检测方法中准确性不足、检测效率低下等问题,提出了一种由卷积自编码器网络(convolutional auto-encoders,CAEs)和长短期记忆网络(long short term memory,LSTM)相结合的CAEs-LSTM检测模型。该模型通过分析数据集的特点对电力数据进行二维转换,设计卷积自编码器结构,采用池化、下采样和上采样重构电力数据的二维空间特征,加入高斯噪声提高模型鲁棒性,并构建长短期记忆网络以学习全局时序特征。最后,对提取的时空特征进行融合从而检测能源窃贼,并进行了参数调优。在由国家电网公布的真实数据集上,通过将CAEs-LSTM模型与支持向量机、LSTM以及宽深度卷积神经网络进行对比,CAEs-LSTM模型的平均精度均值和曲线下面积值均最优。仿真实验表明,基于CAEs-LSTM模型的窃电检测方法具有更高的窃电检测效率和精度。

摘要：为解决基于编码器-解码器的视频描述方法中存在忽略特征语法分析,造成描述语句语法结构不清晰的问题,提出一种基于场景表示中对象特征语法分析的视频描述方法。编码阶段将视频的2D、C3D特征、对象特征和自注意力机制相结合,构建视觉场景表示模型,描述视觉特征间的依赖关系;构建视觉对象特征语法分析模型,分析对象特征在描述语句中的语法成分;解码阶段结合语法分析结果和LSTM网络模型,输出视频描述语句。所提方法在MSVD和MSR-VTT数据集进行实验,结果表明,该方法在不同评价指标方面性能较好,视频描述语句的语法结构清晰。

摘要：随着城市化进程的加速,高层建筑数量不断增加,消防安全问题日益凸显。针对高层建筑常见的火灾隐患和消防监管缺陷,本文通过整理和分析相关文献,提出了高层建筑消防隐患排查与防火监督方法的研究框架。具体包括对消防隐患的分类和识别方法,消防监督的程序与工具,以及建筑物设计和改造的消防要求等方面的策略和建议。最后,本文结合实际案例探讨了消防隐患排查和防火监督的重要性和可行性。

摘要：当前关于智慧矿山的研究较少梳理现有知识资源,从而不能有效通过知识工程的构建和知识关联,实现由感知智能向认知智能转变的智慧矿山。为解决该问题,提出了一种基于依存句法分析的智慧矿山知识图谱构建方法。该方法首先针对智慧矿山领域的知识要素,提出一种依靠依存句法分析实现实体抽取的方法;然后,根据语句结构特点,设计了基于知识三元组的依存句法树结构,并对智慧矿山领域的知识资源进行了知识抽取与表示;最后,利用可视化建模手段实现了面向智慧矿山的知识图谱。试验结果表明,所提出的方法的性能指标准确率、召回率和F值分别达到了86.3%、82.6%和84.6%,较其他方法更优,能够可视化呈现智慧矿山领域的知识图谱。

摘要：对某煤矿的巷道地质进行了分析,并分析巷道周围岩体的变形过程,阐述了顶板支护的基本理论,计算并确认顶板支护中的关键参数,使用FLAC 6.0对巷道支护结构进行建模和仿真,对支护前后的水平应力进行对比分析,发现支护后有效改善了周围岩体的受力情况,对锚杆的实际受力情况进行测量,巷道内顶板锚杆、左帮锚杆以及右帮锚杆受力情况均在设计范围内。

摘要：通过视频监控可以更快速地发现异常场景,并尽快制止违法暴力行动。为保证监测精度,文中设计一种基于蒙特卡洛树搜索的视频异常场景监测方法。首先对行人轨迹特征进行提取,计算目标预测位置与实际位置的空间距离,判定二者的相对位置,建立三级异常图像;再基于蒙特卡洛树搜索算法设计行人行为判别方法,构建不确定判别网络,标记残差函数,对数据进行归一化处理,同时获得激活函数以及函数的输出值;最后,设计视频异常场景监测算法,基于协方差矩阵将多个判别结果汇总成一个整体,并以此得到监控视频内异常场景的监测结果。该方法能够通过目标提取得到视频内的异常目标。目标识别精度的测试结果表明,所提方法在简单场景与复杂场景内的AUC值分别为0.952和0.886,说明其监测精度较高,在简单场景与复杂场景下均可正常使用。

摘要：为了保证大型煤矿开采工作的安全性与质量,利用数字孪生技术优化设计大型煤矿远程智能监控方法;利用数字孪生技术构建大型煤矿虚拟模型,在该模型下确定测点位置,远程采集大型煤矿实时运行数据;通过对数据特征的提取与匹配,从煤矿开挖设备和施工环境两个方面,监测大型煤矿运行状态;改装大型煤矿远程智能控制器,以运行状态的监测结果作为控制程序的启动条件,实现对大型煤矿的远程智能监控任务;通过与传统监控方法的对比得出结论:优化设计方法对煤矿开挖设备的监控性能明显升高,对环境中瓦斯浓度和温度的监测误差分别降低了0.34%和0.19℃,控制误差分别降低0.09%和0.145℃,同时监控范围扩大27.4%。