寧小亮

(1.瓦斯災(zāi)害監(jiān)控與應(yīng)急技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，重慶 400037； 2.中煤科工集團(tuán)重慶研究院有限公司，重慶 400037)

煤與瓦斯突出(以下簡稱“突出”)是威脅煤礦安全生產(chǎn)的主要災(zāi)害之一，而且隨著礦井采深和開采強(qiáng)度的增加，突出災(zāi)害日益嚴(yán)重。對突出風(fēng)險(xiǎn)進(jìn)行全方位有效辨識(shí)和準(zhǔn)確預(yù)警是遏制突出事故的有效手段[1-3]。突出預(yù)警技術(shù)目前在煤礦現(xiàn)場已得到一定程度的應(yīng)用，其典型代表是中煤科工集團(tuán)重慶研究院有限公司研發(fā)的突出綜合監(jiān)控預(yù)警系統(tǒng)、中國礦業(yè)大學(xué)開發(fā)的聲電突出實(shí)時(shí)監(jiān)測預(yù)警系統(tǒng)、重慶梅安森科技股份有限公司開發(fā)的基于瓦斯涌出特征的突出實(shí)時(shí)診斷系統(tǒng)[4-10]，上述技術(shù)及系統(tǒng)的應(yīng)用大幅提升了礦井對突出風(fēng)險(xiǎn)的辨識(shí)、分析及預(yù)警能力，對突出事故的防范起到了積極作用，但現(xiàn)有技術(shù)仍然存在預(yù)警指標(biāo)相對單一或未完全覆蓋主要影響因素、在大數(shù)據(jù)技術(shù)方面的探索較少、對數(shù)據(jù)的利用和挖掘還不夠充分等問題。

大數(shù)據(jù)應(yīng)用起源于互聯(lián)網(wǎng)，正在向以數(shù)據(jù)生產(chǎn)、流通和利用為核心的各個(gè)產(chǎn)業(yè)滲透，全球主要國家掀起了新一輪以“信息技術(shù)與制造業(yè)融合”為共同特征的工業(yè)革命，并推動(dòng)其與全球工業(yè)系統(tǒng)的深入融合，以期搶占新一輪產(chǎn)業(yè)競爭的制高點(diǎn)，為此，我國先后發(fā)布了《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》《工業(yè)大數(shù)據(jù)白皮書(2017版)》等政策文件[11-13]，其中明確指出要強(qiáng)化大數(shù)據(jù)技術(shù)產(chǎn)品研發(fā)、深化工業(yè)大數(shù)據(jù)創(chuàng)新應(yīng)用。因此，將大數(shù)據(jù)技術(shù)與煤礦災(zāi)害治理、防控相結(jié)合是未來必然的發(fā)展趨勢。

突出致因復(fù)雜，涉及生產(chǎn)系統(tǒng)、地質(zhì)構(gòu)造、煤層賦存、瓦斯賦存、瓦斯監(jiān)測、礦壓監(jiān)測、聲發(fā)射、工程措施等多源、多類信息，隨著時(shí)間的累積，數(shù)據(jù)量巨大，已初步呈現(xiàn)“數(shù)據(jù)爆炸”的大數(shù)據(jù)特征，但這些海量數(shù)據(jù)尚沒有得到充分的利用，因此，十分有必要利用大數(shù)據(jù)技術(shù)對突出相關(guān)數(shù)據(jù)進(jìn)行深度挖掘，以實(shí)現(xiàn)突出風(fēng)險(xiǎn)的分析與預(yù)警。

1 基于大數(shù)據(jù)的突出預(yù)警技術(shù)架構(gòu)

基于大數(shù)據(jù)的突出預(yù)警技術(shù)，其基本思路是以數(shù)據(jù)資源本身為立足點(diǎn)，以洞悉數(shù)據(jù)價(jià)值為導(dǎo)向，以提升突出預(yù)警技術(shù)自動(dòng)化、智能化水平為原則，從數(shù)據(jù)產(chǎn)生、采集、傳輸、存儲(chǔ)、處理、分析、發(fā)布與展示等大數(shù)據(jù)生命周期的各技術(shù)環(huán)節(jié)入手，進(jìn)行突出相關(guān)安全信息的動(dòng)態(tài)獲取、深度挖掘分析、實(shí)時(shí)預(yù)警，以及多渠道、多方式發(fā)布與展現(xiàn)，最終達(dá)到突出風(fēng)險(xiǎn)精準(zhǔn)預(yù)警的目的。

突出預(yù)警技術(shù)流程主要包括信息監(jiān)測檢測、信息采集、風(fēng)險(xiǎn)判識(shí)、預(yù)警分析、結(jié)果發(fā)布等步驟，涵蓋了警源監(jiān)測、警兆識(shí)別、警情分析、警度發(fā)布等方面的內(nèi)容，具體為：首先，利用監(jiān)測監(jiān)控系統(tǒng)和檢測儀器等裝備，對突出相關(guān)致因進(jìn)行全面監(jiān)測、檢測；其次，通過數(shù)據(jù)采集接口程序和傳輸網(wǎng)絡(luò)，對監(jiān)測檢測的各種安全信息進(jìn)行實(shí)時(shí)動(dòng)態(tài)采集，并將其存儲(chǔ)到專門的數(shù)據(jù)庫中；然后，對獲得的數(shù)據(jù)進(jìn)行分析，自動(dòng)判識(shí)突出風(fēng)險(xiǎn)，確定工作面突出預(yù)警等級；最后，采用網(wǎng)站、移動(dòng)終端APP等多種方式，對預(yù)警結(jié)果進(jìn)行實(shí)時(shí)發(fā)布，提醒相關(guān)人員采取措施。其總體技術(shù)架構(gòu)如圖1所示。

2 突出災(zāi)害大數(shù)據(jù)類型及獲取

數(shù)據(jù)是大數(shù)據(jù)價(jià)值發(fā)現(xiàn)的基礎(chǔ)，獲取海量、全面的突出相關(guān)基礎(chǔ)數(shù)據(jù)是突出預(yù)警的前提。突出災(zāi)害大數(shù)據(jù)主要包括礦山數(shù)字化基礎(chǔ)數(shù)據(jù)、日常防突數(shù)據(jù)、瓦斯含量(壓力)數(shù)據(jù)、物探數(shù)據(jù)、瓦斯?jié)舛葦?shù)據(jù)、風(fēng)速風(fēng)向數(shù)據(jù)、聲發(fā)射數(shù)據(jù)、電磁輻射數(shù)據(jù)、礦壓數(shù)據(jù)、鉆孔軌跡數(shù)據(jù)、瓦斯抽采數(shù)據(jù)、進(jìn)度數(shù)據(jù)等。其中礦山數(shù)字化基礎(chǔ)數(shù)據(jù)具體包括煤層賦存、瓦斯賦存、采掘部署、突出事故數(shù)據(jù)等；日常防突數(shù)據(jù)具體包括鉆屑瓦斯解吸指標(biāo)、鉆屑量、軟分層厚度、工作面煤厚、動(dòng)力現(xiàn)象、片幫深度、防突鉆孔驗(yàn)收數(shù)據(jù)等；物探數(shù)據(jù)具體包括斷層、褶曲、陷落柱等；聲發(fā)射及電磁輻射數(shù)據(jù)具體包括振鈴數(shù)、事件數(shù)、能量等；瓦斯抽采數(shù)據(jù)具體包括抽采瓦斯?jié)舛?、?fù)壓、流量等。上述數(shù)據(jù)按數(shù)據(jù)源和采集手段的不同，分為井下監(jiān)測數(shù)據(jù)、檢測數(shù)據(jù)和觀測數(shù)據(jù)，以及礦山數(shù)字化基礎(chǔ)數(shù)據(jù)，其中井下獲取的數(shù)據(jù)根據(jù)傳輸方式的不同，又分為井下自動(dòng)監(jiān)測數(shù)據(jù)、井下可傳輸?shù)臋z測與觀測數(shù)據(jù)、需地面?zhèn)鬏數(shù)臋z測與觀測數(shù)據(jù)。主要通過井下工業(yè)環(huán)網(wǎng)、井下無線網(wǎng)、地面辦公網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)的傳輸，并通過數(shù)據(jù)接口程序?qū)?shù)據(jù)采集并存儲(chǔ)到預(yù)警數(shù)據(jù)庫中。各類數(shù)據(jù)具體獲取方式見圖2。

圖2 各類數(shù)據(jù)獲取方式示意圖

3 基于大數(shù)據(jù)的預(yù)警指標(biāo)及模型

數(shù)據(jù)分析是大數(shù)據(jù)價(jià)值挖掘的關(guān)鍵，工業(yè)數(shù)據(jù)的分析需要融合工業(yè)機(jī)理模型，以“數(shù)據(jù)驅(qū)動(dòng)+機(jī)理驅(qū)動(dòng)”的雙驅(qū)動(dòng)模式來進(jìn)行大數(shù)據(jù)分析，從而建立高精度、高可靠性的模型來真正解決實(shí)際的工業(yè)問題，因此，工業(yè)大數(shù)據(jù)分析的特征是強(qiáng)調(diào)專業(yè)領(lǐng)域知識(shí)和數(shù)據(jù)挖掘的深度融合。突出預(yù)警數(shù)據(jù)分析的關(guān)鍵就是采用“雙驅(qū)動(dòng)”模式建立科學(xué)的預(yù)警指標(biāo)及模型。

3.1 預(yù)警指標(biāo)

指標(biāo)是對客觀事物屬性的刻畫和描述，而預(yù)警過程中需要對預(yù)警要素、危險(xiǎn)源、征兆，以及預(yù)警對象危險(xiǎn)狀態(tài)進(jìn)行描述，這就需要通過一系列指標(biāo)來完成。突出影響因素眾多，原因復(fù)雜，由突出機(jī)理的綜合假說、突出事故演變規(guī)律與致因分析結(jié)果可知，突出風(fēng)險(xiǎn)因素主要包括工作面風(fēng)險(xiǎn)因素、區(qū)域風(fēng)險(xiǎn)因素、生產(chǎn)系統(tǒng)風(fēng)險(xiǎn)因素等3個(gè)方面因素(見圖3)，這些因素是突出預(yù)警監(jiān)測和跟蹤的對象[14-15]。依據(jù)風(fēng)險(xiǎn)因素，并遵循指標(biāo)選取的可行性、針對性、目的性等原則，建立三級突出預(yù)警指標(biāo)體系(見圖4)，實(shí)現(xiàn)對環(huán)境、技術(shù)措施的全面監(jiān)測。

圖3 突出風(fēng)險(xiǎn)因素分析框圖

圖4 突出預(yù)警指標(biāo)體系框圖

3.2 預(yù)警模型

預(yù)警模型是根據(jù)預(yù)警指標(biāo)進(jìn)行警情分析和警度確定的方法、規(guī)則和算法，是實(shí)現(xiàn)預(yù)警的核心。突出預(yù)警涉及的指標(biāo)眾多，既有定量指標(biāo)又有定性指標(biāo)，且各指標(biāo)對工作面突出危險(xiǎn)的影響程度也有所差異，由此可見預(yù)警分析是典型的多指標(biāo)、多源數(shù)據(jù)處理問題。因此，需要建立科學(xué)的模型對多指標(biāo)進(jìn)行綜合分析，以實(shí)現(xiàn)可靠、準(zhǔn)確預(yù)警。

層次分析法是一種在工程中得到廣泛應(yīng)用的多參量、多目標(biāo)綜合分析決策方法[16-17]，可用于突出預(yù)警的多指標(biāo)分析與決策。根據(jù)突出預(yù)警需求及指標(biāo)特點(diǎn)，建立突出預(yù)警層次結(jié)構(gòu)模型，如圖5所示。其中，方案層為劃分的3個(gè)預(yù)警結(jié)果等級，即“綠色、橙色、紅色”；準(zhǔn)則層由三級預(yù)警指標(biāo)體系構(gòu)成，劃分為3層；目標(biāo)層為工作面突出危險(xiǎn)程度，即最終確定的預(yù)警等級。

圖5 突出預(yù)警層次結(jié)構(gòu)模型

為解決層次分析法權(quán)重難以確定、主觀性大的問題，采用多層關(guān)聯(lián)規(guī)則算法對歷史預(yù)警指標(biāo)數(shù)據(jù)進(jìn)行分析，以自動(dòng)確定權(quán)重。關(guān)聯(lián)規(guī)則頂層項(xiàng)目B為實(shí)際突出危險(xiǎn)情況，第二層項(xiàng)目A1由一級指標(biāo)構(gòu)成，第三層項(xiàng)目A2由二級指標(biāo)構(gòu)成，底層項(xiàng)目A3由三級指標(biāo)及其演化事件構(gòu)成。預(yù)警指標(biāo)既有定量指標(biāo)又有定性指標(biāo)，因此關(guān)聯(lián)規(guī)則既包含多值屬性型又包括類別屬性型，其處理方法是將多值屬性關(guān)聯(lián)規(guī)則挖掘問題轉(zhuǎn)化為布爾型關(guān)聯(lián)規(guī)則挖掘問題，即將多值屬性的值劃分為多個(gè)區(qū)間，每個(gè)區(qū)間作為一個(gè)項(xiàng)目，具體方法參考文獻(xiàn)[18]；將類別屬性的每一個(gè)類別當(dāng)作一個(gè)項(xiàng)目。定義如下關(guān)聯(lián)規(guī)則：A1?B、A2?A1、A3?A2、A3?B。

層次分析中權(quán)重確定具體步驟如下：

1)根據(jù)文獻(xiàn)[18]所述方法，采用關(guān)聯(lián)規(guī)則算法對歷史預(yù)警指標(biāo)數(shù)據(jù)進(jìn)行分析，分析關(guān)聯(lián)規(guī)則A3?B，計(jì)算出關(guān)聯(lián)規(guī)則底層各項(xiàng)目對于頂層項(xiàng)目的支持度和置信度，同時(shí)對三級指標(biāo)進(jìn)行優(yōu)選，并得出量化指標(biāo)臨界值。

2)根據(jù)優(yōu)選后的三級指標(biāo)及其臨界值，按照安全原則，判斷各組歷史數(shù)據(jù)情況下一級及二級指標(biāo)是否異常，得出關(guān)聯(lián)規(guī)則A1?B、A2?A1、A3?A2的事務(wù)集，并分別計(jì)算出一、二、三級指標(biāo)對于上一層項(xiàng)目的置信度，隨著歷史數(shù)據(jù)的累積，可對置信度重新計(jì)算，實(shí)現(xiàn)置信度的迭代優(yōu)化；接著，根據(jù)置信度計(jì)算層次分析方法中不同因素重要性之比aij，計(jì)算方法如下：

(1)

式中Ci、Cj為同一層不同指標(biāo)的置信度。

3)進(jìn)行層次單排序并進(jìn)行一致性檢驗(yàn)，計(jì)算判斷矩陣最大特征根的特征向量，經(jīng)歸一化后記為W，其元素即為同一層次元素對于上一層某因素相對重要性的排序權(quán)值。

4)進(jìn)行層次總排序并進(jìn)行一致性檢驗(yàn)，計(jì)算某一層次所有因素對于目標(biāo)層相對重要性的權(quán)值，最終可得到方案層“紅色”“橙色”“綠色”3個(gè)預(yù)警等級對目標(biāo)層的層次總排序，組合權(quán)重最大的方案即為最終預(yù)警結(jié)果。

4 預(yù)警軟件系統(tǒng)

軟件系統(tǒng)是預(yù)警技術(shù)的載體和表現(xiàn)形式，數(shù)據(jù)的采集、分析及預(yù)警結(jié)果的發(fā)布等都需要通過軟件來實(shí)現(xiàn)。采用B/S架構(gòu)模式，開發(fā)了支持跨平臺(tái)的突出智能預(yù)警系統(tǒng)，主要包括預(yù)警數(shù)據(jù)庫、預(yù)警服務(wù)、預(yù)警網(wǎng)站和移動(dòng)終端APP。

1)預(yù)警數(shù)據(jù)庫主要用于存儲(chǔ)預(yù)警基礎(chǔ)信息、預(yù)警分析結(jié)果和預(yù)警模型參數(shù)，包含預(yù)警主信息表、預(yù)警詳細(xì)信息表、預(yù)警指標(biāo)定義表、預(yù)警指標(biāo)實(shí)時(shí)表、層次分析因素表、關(guān)聯(lián)規(guī)則指標(biāo)分析表、層次分析權(quán)重分配表、歷史數(shù)據(jù)表等。

2)預(yù)警服務(wù)采用Windows服務(wù)模式，無人機(jī)交互接口，開機(jī)自動(dòng)啟動(dòng)，預(yù)警過程中在系統(tǒng)后臺(tái)連續(xù)運(yùn)行。預(yù)警服務(wù)主要功能是：實(shí)時(shí)采集預(yù)警相關(guān)基礎(chǔ)數(shù)據(jù)存儲(chǔ)至數(shù)據(jù)庫中，并根據(jù)預(yù)警模型，自動(dòng)計(jì)算預(yù)警指標(biāo)，分配置信度，確定指標(biāo)權(quán)重，并進(jìn)行綜合分析，確定突出預(yù)警結(jié)果等級；同時(shí)根據(jù)歷史預(yù)警反饋信息，進(jìn)行預(yù)警指標(biāo)關(guān)聯(lián)分析，重新計(jì)算指標(biāo)權(quán)重，實(shí)現(xiàn)模型的優(yōu)化調(diào)整。

3)預(yù)警網(wǎng)站主要用于預(yù)警結(jié)果發(fā)布和預(yù)警信息查詢，用戶可通過客戶端電腦網(wǎng)絡(luò)瀏覽器對礦井最新預(yù)警結(jié)果、歷史預(yù)警結(jié)果、預(yù)警指標(biāo)和預(yù)警基礎(chǔ)數(shù)據(jù)等進(jìn)行查詢和統(tǒng)計(jì)，其功能結(jié)構(gòu)如圖6所示。

圖6 預(yù)警網(wǎng)站功能結(jié)構(gòu)框圖

4)移動(dòng)終端APP主要包括Android版和IOS版，用戶可通過手機(jī)、平板電腦等移動(dòng)終端對預(yù)警結(jié)果、基礎(chǔ)信息等進(jìn)行查詢和統(tǒng)計(jì)。

5 現(xiàn)場應(yīng)用試驗(yàn)

新景礦是典型的高產(chǎn)高效突出礦井，主采3號(hào)、8號(hào)和15號(hào)煤層，均為突出煤層，煤層瓦斯含量高達(dá)30.71 m3/t，建礦以來發(fā)生突出事故17次，并發(fā)生過200余次有記錄的瓦斯動(dòng)力現(xiàn)象[19-20]。

在新景礦構(gòu)建了基于大數(shù)據(jù)的突出預(yù)警系統(tǒng)，部署了預(yù)警數(shù)據(jù)庫、預(yù)警服務(wù)、預(yù)警網(wǎng)站(見圖7)和移動(dòng)終端APP(見圖8)。

圖7 預(yù)警網(wǎng)站界面

(a)最新預(yù)警結(jié)果 (b)預(yù)警結(jié)果分析

在新景礦3109回風(fēng)巷、3217輔助進(jìn)風(fēng)巷和3213回采工作面等8個(gè)區(qū)域進(jìn)行試驗(yàn)，累計(jì)跟蹤考察1 800余m巷道，發(fā)布橙色預(yù)警194次、紅色預(yù)警75次，經(jīng)統(tǒng)計(jì)驗(yàn)證，預(yù)警總準(zhǔn)確率達(dá)91.5%，無漏報(bào)現(xiàn)象，實(shí)現(xiàn)了預(yù)警數(shù)據(jù)的動(dòng)態(tài)采集與智能分析、預(yù)警結(jié)果的實(shí)時(shí)發(fā)布與訪問、預(yù)警指標(biāo)的在線查詢與分析，為現(xiàn)場突出防治提供了決策支撐。

典型案例：2019年1月15日8點(diǎn)班，3109回風(fēng)巷日常預(yù)測指標(biāo)K1值不超標(biāo)，煤厚正常，但反映瓦斯量的瓦斯涌出特征預(yù)警指標(biāo)Q=0.56，指標(biāo)值偏大，預(yù)警系統(tǒng)對各類信息進(jìn)行融合分析后發(fā)布了“橙色”預(yù)警，允許掘進(jìn)，安排專人對工作面跟蹤關(guān)注；至2019年1月16日8點(diǎn)班，掘進(jìn)5.8 m后，指標(biāo)Q值持續(xù)增大至0.66，工作面煤層顯著變薄，變化率達(dá)到29%，系統(tǒng)發(fā)布了“紅色”預(yù)警，隨即停止作業(yè)，并再次進(jìn)行預(yù)測，指標(biāo)K1值超標(biāo)，且施鉆過程中出現(xiàn)吸鉆現(xiàn)象，工作面實(shí)際具有突出危險(xiǎn)，隨后補(bǔ)充防突措施；2019年2月12日8點(diǎn)班進(jìn)行了措施效果檢驗(yàn)，指標(biāo)K1值正常，且工作面無其他突出征兆，系統(tǒng)發(fā)布“綠色”預(yù)警結(jié)果，之后工作面進(jìn)行了安全掘進(jìn)。上述案例進(jìn)一步說明預(yù)警系統(tǒng)能夠?qū)ν怀鲲L(fēng)險(xiǎn)進(jìn)行綜合分析與準(zhǔn)確預(yù)警，比傳統(tǒng)方法更全面、更可靠。

6 結(jié)論

1)突出災(zāi)害大數(shù)據(jù)按數(shù)據(jù)源和采集手段的不同，分為井下監(jiān)測數(shù)據(jù)、檢測數(shù)據(jù)和觀測數(shù)據(jù)，以及礦山數(shù)字化基礎(chǔ)數(shù)據(jù)，其中井下獲取的數(shù)據(jù)根據(jù)傳輸方式的不同，又分為井下自動(dòng)監(jiān)測數(shù)據(jù)、井下可傳輸?shù)臋z測與觀測數(shù)據(jù)、需地面?zhèn)鬏數(shù)臋z測與觀測數(shù)據(jù)。

2)從工作面風(fēng)險(xiǎn)、區(qū)域風(fēng)險(xiǎn)和生產(chǎn)系統(tǒng)風(fēng)險(xiǎn) 3個(gè)方面分析得到了突出風(fēng)險(xiǎn)因素，并依此建立了三級突出預(yù)警指標(biāo)體系；構(gòu)建了基于層次分析法的突出預(yù)警模型，層次結(jié)構(gòu)主要分為目標(biāo)層、準(zhǔn)則層和方案層，其中準(zhǔn)則層按指標(biāo)體系結(jié)構(gòu)劃分為3層；采用多層關(guān)聯(lián)規(guī)則算法對歷史指標(biāo)數(shù)據(jù)進(jìn)行分析，計(jì)算出各層指標(biāo)的置信度，并根據(jù)置信度可自動(dòng)計(jì)算層次分析算法中各層因素相對重要度，能有效解決層次分析法權(quán)重確定主觀性大的問題，實(shí)現(xiàn)了指標(biāo)權(quán)重的自動(dòng)確定與優(yōu)化。

3)開發(fā)了基于B/S架構(gòu)模式的突出預(yù)警系統(tǒng)，主要包括預(yù)警數(shù)據(jù)庫、預(yù)警服務(wù)、預(yù)警網(wǎng)站和移動(dòng)終端APP?，F(xiàn)場應(yīng)用結(jié)果表明：預(yù)警總準(zhǔn)確率達(dá)91.5%，無漏報(bào)現(xiàn)象，實(shí)現(xiàn)了預(yù)警數(shù)據(jù)的動(dòng)態(tài)獲取、智能分析、實(shí)時(shí)預(yù)警、在線發(fā)布與遠(yuǎn)程查詢，為煤礦現(xiàn)場突出防治提供了決策支撐。