[发明专利]矿井班组工人不安全行为传播过程提取和分析方法

权利要求书

1.一种矿井班组工人不安全行为传播过程提取和分析方法，其特征在于，包括如下步骤：

S1，获取矿井中工人不安全行为数据，建立工人不安全行为涌现传播的信息加工过程模型；

S2，通过加工过程模型训练之后，对工人不安全行为建立班组群体系统，并对班组群体系统主体、结构、内部沟通方式要素进行提取和刻画；

S3，提取和刻画完成之后，构建不安全行为传播过程概念模型；

S3-1，确定矿井作业过程中工人主体Agent与外界环境及其他工人主体Agent之间交互作用的设定的通信规则和交互连接情境；

S3-2，建立工人主体Agent行为规则及知识库；

S3-3，构建不安全行为传播过程概念模型，对工人所传播的不安全行为进行定义，从而刻画矿井中班组长执行行为和工人执行行为中差异化，并对差异化和同质化的班组长执行行为和工人执行行为进行概念定义；

所述S3-3所构建的不安全行为传播过程概念模型包括：

S-A，判断待识别的工人不安全行为是否存在预存的工人不安全行为中，如果存在，则确定所述待识别的工人不安全行为是存在的；否则不存在工人不安全行为，利用聚类分析后验概率法对矿井中的工人不安全行为进行自学习得到不安全行为期望值，

利用贝叶斯公式计算工人不安全行为后验概率：

其中根据隐藏变量f_x，形成工人不安全行为的实例类别数量为d_x＝y，其中下标x为工人不安全行为的类别，y为获取的工人不安全行为数量，T(d_x＝y；E)为工人不安全行为在类别数量为d_x＝y所占的空间分布比例，通过计算参数E进行标注；其中K,Ψ分别为工人不安全行为判断参数和概率分析调节参数，通过计算过程函数T(f_x|d_x＝y,K,Ψ)对后验概率进行计算，s为正整数，将过程函数在工人不安全行为中进行空间分布计算，通过混合模型计算之后与过程函数在工人不安全行为中进行空间分布计算比值得到不安全行为后验概率，

通过后验概率计算形成工人不安全行为初始聚类中心，以每个初始聚类中心为起点，依次对待聚类的工人不安全行为，计算工人不安全行为相似度：

其中V(i)为工人不安全行为样本函数，V(j)为工人不安全行为评估函数，σ为调节系数，i和j为正整数；

设置工人不安全行为聚类样本L_s的剔除阈值：R(L_s)，则聚类算法为：

其中，F_max(L_s,N_i)为聚类样本L_s和行为标准N_i的最大样本参考函数，W(L_s)为聚类样本L_s的偏导数，U为权重变量，C(L_s,N_i)为基准参考函数，然后乘以工人不安全行为实施人数P_s和矿井工人总人数P的比值

S4，建立完成传播过程概念模型后，对工人主体Agent模型进行加工设计；

S5，将形成的不安全行为传播过程概念模型和工人主体Agent模型，根据认知过程建立工人不安全行为传播决策机制；

S6，根据建立的工人不安全行为传播决策机制，进行验证操作，并根据工人不安全行为的动态传播演化进行修正。

2.根据权利要求1所述的矿井班组工人不安全行为传播过程提取和分析方法，其特征在于，所述S1包括：

S1-1，通过矿井图像采集设备进行工人不安全行为收集操作，通过感知矿井外界环境接收矿井中实际的工作场景信息，在矿井实际工作场景信息中定义不安全行为模型；

S1-2，根据不安全行为模型通过矿井图像采集设备提炼工人不安全行为，将矿井实际工作场景信息和相应时间点提炼工人不安全行为进行信息映射；

S1-3，根据映射后的工人不安全行为信息，对工人不安全行为认知加工，根据机器学习中对工人不安全行为的理解认知以及映射后的工人不安全行为信息完成认知加工过程；

S1-4，经过对工人不安全行为进行收集、复制和演化之后，对工人不安全行为进行适当选择并调试工人不安全行为数据集；从而形成信息加工过程模型。