[发明专利]基于SVD算法的异构联邦学习矿井电磁辐射趋势跟踪方法

说明书

本发明公开了一种基于SVD算法的异构联邦学习矿井电磁辐射强度趋势跟踪方法，首先针对联邦学习客户端内数据不均衡问题提出异构模型联邦学习算法，通过在服务器内设置异构中央模型供客户端选择以提高本地模型精度；针对本地模型参数上传通讯代价问题，提出先使用SVD算法分解参数矩阵得到对应奇异值矩阵，随后将其上传至中央服务器内进行聚合更新的高效通讯算法；最后各客户端利用更新后的本地模型提取本地数据特征，利用该特征与真实数据值训练ESN网络执行趋势跟踪。本发明能够在保护数据隐私的前提下实现多传感器采集电磁辐射强度的趋势跟踪，能够提升各客户端趋势跟踪精度并降低框架所需的通讯代价。

技术领域

本发明属于煤矿安全预警技术领域，尤其涉及一种基于SVD算法的异构联邦学习矿井电磁辐射强度趋势跟踪方法。

背景技术

目前国内外主要使用的煤岩动力灾害预测的方法有两大类，一类是常规的方法，即利用应力测量法、钻屑量、钻孔瓦斯涌出初速度和钻屑瓦斯解吸指标等静态指标进行预测预报，由于煤岩动力灾害是煤岩体动力特性连续变化的过程，单纯的选取某一时刻煤岩体的性质不能全面的反映其变化特性。另一类则是使用地球物理方法进行预测预报，如电磁辐射法、声发射法、采矿地质法在俄罗斯、乌克兰和中国等地区进行了较为广泛的应用，微震法则在波兰、俄罗斯、加拿大和南非等地区使用较多。其中，声发射法研究应用较早，在20世纪80年代就已将这一技术应用于矿井煤岩动力灾害预测和煤岩体稳定性监测，但由于声发射本身抗干扰差和矿井环境复杂及干扰源多等特点，使得声发射技术预测的准确性、实用性与煤矿实际安全需要还存在一定的差距。其中，电磁辐射法和微震法应用相对成熟广泛一些。国内电磁辐射的研究始于20世纪90年代，何学秋、刘明举、王恩元等对煤岩破裂电磁辐射信号的产生机理、特征、变化规律及传播特性等进行了较为广泛的研究，并通过电磁辐射信号的预测实现了煤岩动力灾害的非接触监测，由于其具有测试方便、工作量小、劳动强度低、前兆响应明显、预报准确率高等优点，在全国大多数矿井中得以推广应用，且预测效果良好。

在矿井安全中，电磁辐射强度的变化趋势更能准确预测动力灾害的发生，相关文献指出，目前在采掘现场对煤与瓦斯突出动力学灾害的预警技术，通常选用传感器采集到的电磁辐射强度时序数据作为指标，而冲击地压即岩爆通常采用临界值法与趋势法进行综合判断。当电磁辐射强度数值超过临界值时，认为有动力灾害危险；电磁辐射强度变化趋势的分析通常考虑三种变化情况：(1)电磁辐射强度的变化趋势保持相对稳定，即趋势值没有大的突然变化时，认为不存在动力灾害的危险；(2)当电磁辐射强度数值趋势具有明显突然增强或连续增强趋势时，表明有动力灾害危险；(3)电磁辐射强度较高时，当出现明显由大变小，保持一段时间后又突然增大的情况，则更加危险，应立即采取防治措施。因此，对于电磁辐射强度及其变化趋势的准确预测对于煤矿动力灾害的预警，为矿井的高效生产和人员的生命安全提供有效的保障具有重要的现实意义。

在煤矿安全预警的实际应用中，如若仅采用单一传感器采集到的数据指标，会导致整个系统相对缺乏容错性与稳定性。多传感器数据融合是对多个传感器或信息源所提供的关于环境特征的不完整数据信息进行相对完整的描述，形成的完整描述可以用来实现更准确的识别和判断。在多传感器数据融合过程中往往存在着很多的数据交互过程，而在交互过程内往往存在着隐私数据泄露的风险。目前，在煤矿井下电磁辐射趋势预测中，尚未有相关研究考虑多传感器融合中的数据安全。