王 丹，盛 武

(安徽理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院，安徽 淮南 213000)

0 引言

煤炭能源是我國(guó)最主要的能源，承擔(dān)能源安全壓艙石作用，但煤礦開采過程中造成的資源浪費(fèi)、作業(yè)強(qiáng)度大、效率低、安全事故頻出等問題都給當(dāng)前煤炭行業(yè)轉(zhuǎn)型升級(jí)造成巨大的沖擊[1]。煤礦開采要想實(shí)現(xiàn)安全高效，實(shí)現(xiàn)煤礦智能化是必經(jīng)之路，是煤炭行業(yè)發(fā)展、轉(zhuǎn)型的核心技術(shù)支撐[1，2]。2020年2月，國(guó)家發(fā)展改革委、國(guó)家能源局等八部委聯(lián)合印發(fā)了《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》一文中提出將先進(jìn)智能技術(shù)與現(xiàn)代煤炭開發(fā)相融合，形成智能化運(yùn)行體系，推動(dòng)煤礦行業(yè)發(fā)展[3]。2020年底，國(guó)家發(fā)展改革委、國(guó)家能源局啟動(dòng)了第一批71處國(guó)家智能化煤礦建設(shè)示范項(xiàng)目[4]。目前，我國(guó)智能化煤礦建設(shè)建立了良好的體系，確定了建設(shè)路徑和穩(wěn)定高效的開采模式[5]，并在構(gòu)建智能化煤礦數(shù)字邏輯模型[6]、煤礦系統(tǒng)智能化架構(gòu)和協(xié)同機(jī)制[7]、礦井4D-GIS地理信息系統(tǒng)系統(tǒng)[8]、 智能通風(fēng)系統(tǒng)[9]、智能調(diào)度系統(tǒng)[10]、固定崗位無人值守系統(tǒng)[11]等方面取得較好的研究成果；美國(guó)、德國(guó)、澳大利亞等國(guó)家正以“智能化”為核心，探索實(shí)現(xiàn)工作面無人的智能化開采。煤礦智能化研究在國(guó)際學(xué)術(shù)界也引起很大關(guān)注，王國(guó)法、劉峰[12]等人對(duì)智能化發(fā)展進(jìn)程進(jìn)行系統(tǒng)描述，分析了煤礦智能化的理論基礎(chǔ)、關(guān)鍵技術(shù)、主題系統(tǒng)結(jié)構(gòu)和主要技術(shù)路徑，并提出了我國(guó)煤礦智能化快速掘進(jìn)的方向和技術(shù)路徑、現(xiàn)有生產(chǎn)礦井智能化改造等政策建議；葛世榮、郝尚清[13]等人介紹了采礦技術(shù)智能化的發(fā)展歷程，針對(duì)復(fù)雜條件下的智能化難題，提出精準(zhǔn)定位、煤巖識(shí)別、智能支護(hù)、自主糾偏及智能煤流感控五項(xiàng)智能化技術(shù)和未來需提高智能開采的自主能力和適用范圍。張慶華、姚亞虎、趙吉玉[14]指出實(shí)現(xiàn)通風(fēng)技術(shù)智能化的四大難題，進(jìn)而提出解決難題的重要方向：智能感知、決策和控制，實(shí)現(xiàn)通風(fēng)智能化和無人化。李首濱[15]提出智能化開采的主要制約因素，即裝備穩(wěn)定性、可靠性不強(qiáng)、技術(shù)適應(yīng)度不高和開采思想、管理模式理念不牢固等。Ma Long[16]介紹了建設(shè)智能礦山的結(jié)構(gòu)與必要性，并闡述了當(dāng)前在智能礦山建設(shè)中廣泛應(yīng)用5G通信技術(shù)，促進(jìn)智能礦山的建設(shè)；Carly Leonida[17]提出需要利用先進(jìn)的數(shù)據(jù)管理和通信基礎(chǔ)為礦業(yè)行業(yè)的數(shù)字化鋪平道路；Jane H. Hodgkinson、Marc Elmouttie[18]提出可以通過數(shù)字孿生技術(shù)增加采礦數(shù)字化和實(shí)時(shí)交互，通過對(duì)礦山同步數(shù)字孿生的潛力進(jìn)行評(píng)估發(fā)現(xiàn)，數(shù)字孿生對(duì)采礦業(yè)務(wù)中期預(yù)測(cè)的價(jià)值可能是有限的。Gary Conway[19]提出目前自動(dòng)駕駛汽車、人工智能和機(jī)器學(xué)習(xí)正在結(jié)合起來，創(chuàng)造一種新的工業(yè)4.0采礦方法，改變礦業(yè)對(duì)數(shù)字通信戰(zhàn)略重要性的看法。

隨著智能技術(shù)發(fā)展水平的升級(jí)，煤礦行業(yè)實(shí)現(xiàn)了從原始的人工作業(yè)階段到機(jī)械化階段再到數(shù)字化、自動(dòng)化階段，最終逐步向智能化階段邁進(jìn)。但現(xiàn)階段對(duì)于國(guó)內(nèi)外煤礦智能化的研究現(xiàn)狀和未來發(fā)展前景進(jìn)行全面、直觀、清晰的分析不多，由于科學(xué)知識(shí)圖譜可以將一個(gè)知識(shí)領(lǐng)域來龍去脈的演進(jìn)歷程集中展現(xiàn)在一幅引文網(wǎng)絡(luò)圖譜上[20]，可以快速掌握研究對(duì)象的發(fā)展進(jìn)程，因此本文利用CiteSpace軟件對(duì)煤礦智能化領(lǐng)域2007-2021年間國(guó)內(nèi)外文獻(xiàn)進(jìn)行可視化知識(shí)圖譜分析，揭示煤礦智能化領(lǐng)域研究熱點(diǎn)及研究趨勢(shì)，為煤礦智能化建設(shè)提供決策依據(jù)。

1 研究工具和數(shù)據(jù)來源

1.1 研究工具

本文采用CiteSpace軟件對(duì)煤礦智能化進(jìn)行多方位研究[21]。CiteSpace軟件基于Java環(huán)境開發(fā)和使用，融合共現(xiàn)分析和聚類分析，以圖譜的形式對(duì)研究作者、機(jī)構(gòu)、關(guān)鍵詞、研究熱點(diǎn)等方面進(jìn)行可視化分析，具有準(zhǔn)確、便捷、高效等特點(diǎn)[22]。

1.2 數(shù)據(jù)來源

本文以煤礦智能化領(lǐng)域相關(guān)文獻(xiàn)為研究對(duì)象，以CNKI中國(guó)知網(wǎng)和Web of Science數(shù)據(jù)庫為數(shù)據(jù)源，將文獻(xiàn)檢索時(shí)間范圍設(shè)置在2007-2021年區(qū)間，剔除與主題不符、重復(fù)、報(bào)告和通知等無效文獻(xiàn)，檢索到CNKI中國(guó)知網(wǎng)文獻(xiàn)2048篇，Web of Science文獻(xiàn)195篇，具體檢索情況見表1。

表1 數(shù)據(jù)來源及處理

2 數(shù)據(jù)結(jié)果分析

2.1 年度發(fā)文量分析

為了準(zhǔn)確了解某一研究領(lǐng)域在某一時(shí)間段內(nèi)的研究成果與發(fā)展趨勢(shì)，選擇對(duì)這一領(lǐng)域的發(fā)文量進(jìn)行統(tǒng)計(jì)與分析[23]。利用EXCEL表格繪制2007-2021年間國(guó)內(nèi)外煤礦智能化年發(fā)文量分布情況，如圖1所示。

從圖中可以看出，國(guó)內(nèi)外煤礦智能化領(lǐng)域年發(fā)文數(shù)量隨著年份的增加整體呈現(xiàn)波動(dòng)上升發(fā)展態(tài)勢(shì)，表示國(guó)內(nèi)外學(xué)者對(duì)煤礦智能化的重視程度越來越高。并且近年來國(guó)內(nèi)對(duì)煤礦智能化的關(guān)注程度遠(yuǎn)遠(yuǎn)高于國(guó)外，發(fā)文數(shù)量遠(yuǎn)遠(yuǎn)超過外文文獻(xiàn)。國(guó)內(nèi)對(duì)煤礦智能化的研究大致可以分為3個(gè)階段：2007-2013年為起步探索階段，國(guó)內(nèi)對(duì)煤礦智能化意識(shí)不強(qiáng)，且在2007-2008年出現(xiàn)輕微下降趨勢(shì)，發(fā)文量整體處于緩慢波動(dòng)增長(zhǎng)狀態(tài)，由2007年的年發(fā)文量18篇增長(zhǎng)為2013年的年發(fā)文量66篇；2013-2017年為該領(lǐng)域的探索波動(dòng)期，人們逐步踏入煤礦智能化時(shí)代，推動(dòng)煤礦轉(zhuǎn)型，用智能化機(jī)器、智能化技術(shù)代替?zhèn)鹘y(tǒng)的人工作業(yè)方式，整個(gè)階段發(fā)文量相對(duì)平穩(wěn)，在2015年、2017年出現(xiàn)下降趨勢(shì)，但總體處于平穩(wěn)發(fā)展?fàn)顟B(tài)；2017年以來，隨著人工智能、自動(dòng)化、大數(shù)據(jù)等技術(shù)逐漸成熟，煤礦智能化開始快速發(fā)展，年均增長(zhǎng)量超過70篇，在2020年達(dá)到最高，高出2019年近200篇，并在2021年達(dá)到最高，為523篇，這表明我國(guó)對(duì)煤礦智能化的研究越來越深入，智能化技術(shù)對(duì)我國(guó)煤礦事業(yè)的發(fā)展至關(guān)重要。與中文文獻(xiàn)相比，外文文獻(xiàn)發(fā)文量少于國(guó)內(nèi)，在2007-2016年間發(fā)文量均較少，平均發(fā)文量保持在10篇以內(nèi)，2016年之后開始呈現(xiàn)緩慢上升趨勢(shì)，這一階段正是大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等新技術(shù)被廣泛應(yīng)用于管理領(lǐng)域的關(guān)鍵時(shí)期，體現(xiàn)出隨著先進(jìn)智能技術(shù)的發(fā)展，將新興智能技術(shù)應(yīng)用于煤礦開采過程，促進(jìn)煤礦行業(yè)智能化發(fā)展逐步引起了國(guó)際上的重視。

圖1 國(guó)內(nèi)外煤礦智能化年度發(fā)文量分布圖

2.2 發(fā)文作者分析

通過對(duì)發(fā)文作者的分析，可以了解某領(lǐng)域的作者群體及其合作情況，較為精準(zhǔn)的提煉出科學(xué)研究主體[24]。在CiteSpace軟件中選取“Author”，時(shí)間跨度定為“2007-2021年”，時(shí)間切片選擇“1”，并選中“Pathfinder”選項(xiàng)，點(diǎn)擊“Go”運(yùn)行得到CNKI中國(guó)知網(wǎng)和Web of Science發(fā)文作者共現(xiàn)圖譜，如圖2、圖3所示。

圖2 CNKI中國(guó)知網(wǎng)煤礦智能化領(lǐng)域發(fā)文作者共現(xiàn)圖譜

圖3 Web of Science煤礦智能化領(lǐng)域發(fā)文作者共現(xiàn)圖譜

圖2中節(jié)點(diǎn)數(shù)(Nodes)=478，連線(Links)=313、密度(Density)=0.0027，圖3中節(jié)點(diǎn)數(shù)(Nodes)=326，連線(Links)=814、密度(Density)=0.0154，這表明國(guó)內(nèi)外煤礦智能化領(lǐng)域樣本中的研究學(xué)者基數(shù)較大，且國(guó)外作者間的連線與密度均大于國(guó)內(nèi)，體現(xiàn)外文文獻(xiàn)中作者間的合作關(guān)系強(qiáng)于中文文獻(xiàn)。但由于國(guó)內(nèi)外該領(lǐng)域作者合作密度均較低，所以國(guó)內(nèi)外作者總體在煤礦智能化領(lǐng)域雖形成了一定的合作研究團(tuán)體，但規(guī)模不大，可以加深作者間的合作，使其在煤礦智能化領(lǐng)域的研究更加深入。

節(jié)點(diǎn)大小與發(fā)文量成正比，選取CNKI中國(guó)知網(wǎng)樣本中發(fā)文量前十的作者，見表2。

表2 煤礦智能化領(lǐng)域CNKI中國(guó)知網(wǎng)發(fā)文前十的作者名單

續(xù)表

國(guó)內(nèi)發(fā)文量最多的作者是中國(guó)工程院王國(guó)法，發(fā)文量為23篇；其次是來自中煤科工開采研究院有限公司的任懷偉，發(fā)文量為14篇；其二人均在2018年首次發(fā)表煤礦智能化領(lǐng)域文章。天地科技股份有限公司的龐義輝，中國(guó)礦業(yè)大學(xué)(北京)的劉峰發(fā)文量均為10篇，國(guó)家能源集團(tuán)煤炭運(yùn)輸部的丁震發(fā)文量為9篇，中煤科工開采研究院有限公司的趙國(guó)瑞發(fā)文量為8篇，中國(guó)礦業(yè)大學(xué)(北京)的葛世榮、陜西延長(zhǎng)石油礦業(yè)有限責(zé)任公司的范京道、西安科技大學(xué)的曹現(xiàn)剛和中國(guó)神華神東煤炭分公司的王飛發(fā)文量均為7篇。由此可知，排名前十的學(xué)者發(fā)文量相對(duì)可觀，但和檢索的2007-2021年的1761篇文獻(xiàn)相比還是較少，研究學(xué)者分布較廣。從發(fā)文作者所在機(jī)構(gòu)可以分析出，目前我國(guó)煤礦智能化領(lǐng)域研究主要分布在高校和研究院，存在明顯的分布不均衡現(xiàn)象。通過在CNKI中國(guó)知網(wǎng)檢索發(fā)現(xiàn)，王國(guó)法院士在2019年8月15日發(fā)表的《煤礦智能化(初級(jí)階段)研究與實(shí)踐》下載量及引用量高達(dá)5549次和310次，這說明王國(guó)法等人在煤礦智能化領(lǐng)域的研究成果參考價(jià)值很高，且2019年成為我國(guó)煤礦智能化領(lǐng)域研究的關(guān)鍵時(shí)間點(diǎn)。根據(jù)圖3可知，Web of Science中發(fā)文量較多的作者有 Wang Guofa(18篇)、Yuan Liang(12篇)、Wu YQ(5篇)，發(fā)文量總體較少，且發(fā)文量較多的均是中國(guó)學(xué)者，體現(xiàn)了我國(guó)學(xué)者對(duì)煤礦智能化的研究在國(guó)際上提供了較高的學(xué)術(shù)參考價(jià)值。

2.3 研究機(jī)構(gòu)分析

對(duì)某領(lǐng)域研究機(jī)構(gòu)分布及合作關(guān)系進(jìn)行分析，可以得出該領(lǐng)域的核心機(jī)構(gòu)分布情況。在CiteSpace軟件中選擇“Institution”，時(shí)間跨度、時(shí)間切片等變量選取與發(fā)文作者一致。得到2007-2021年CNKI中國(guó)知網(wǎng)和Web of Science發(fā)文機(jī)構(gòu)共現(xiàn)圖譜，如圖4、圖5所示。從圖4中可以看出，CNKI中國(guó)知網(wǎng)中共有417個(gè)(Nodes=417)研究機(jī)構(gòu)參與煤礦智能化領(lǐng)域研究，其中發(fā)文量最多的是天地(常州)自動(dòng)化股份有限公司，為35篇；位居第二的是中煤科工集團(tuán)常州研究院有限公司，發(fā)文量為25篇；中煤科工集團(tuán)重慶研究院有限公司發(fā)文量為22篇，位居第三。其他發(fā)文較多的機(jī)構(gòu)有煤炭科學(xué)研究總院開采研究分院、天地科技股份有限公司開采設(shè)計(jì)事業(yè)部、煤炭科學(xué)研究總院及中國(guó)礦業(yè)大學(xué)信息與電氣工程學(xué)院等，從研究機(jī)構(gòu)的分布可以看出，國(guó)內(nèi)研究院、高校和企業(yè)越來越關(guān)注對(duì)煤礦智能化領(lǐng)域的研究。圖5中Web of Science中共有153個(gè)(Nodes=153)研究機(jī)構(gòu)參與研究，其中發(fā)文量最多的是China Univ Min & Technol，為43篇；位居第二的是Xian Univ Sci & Technol，發(fā)文量為15篇；China Univ Min & Technol Beijing發(fā)文量為13篇，位居第三。Anhui Univ Sci & Technol、Shandong Univ Sci & Techno、Liaoning Tech Univl及Henan Polytech Univ發(fā)文量也較多。從中發(fā)現(xiàn)位居第一的是中國(guó)機(jī)構(gòu)，且發(fā)文量較多的機(jī)構(gòu)主要來自中國(guó)，說明我國(guó)眾多機(jī)構(gòu)高度重視對(duì)煤礦智能化領(lǐng)域的研究，且引起了國(guó)際上的高度關(guān)注。同時(shí)，圖4中各機(jī)構(gòu)間的連線有174條(Links=174)，密度為0.002(Density=0.002)；圖5中各機(jī)構(gòu)間的連線有163條(Links=163)，密度為0.014(Density=0.004)，說明國(guó)內(nèi)外該領(lǐng)域研究機(jī)構(gòu)較為分散，雖存在一定的合作關(guān)系，但團(tuán)隊(duì)規(guī)模有限?？梢约由顧C(jī)構(gòu)間合作交流頻率，推動(dòng)煤礦工業(yè)智能化改革進(jìn)程。

圖4 CNKI中國(guó)知網(wǎng)煤礦智能化領(lǐng)域研究機(jī)構(gòu)分布及合作情況共現(xiàn)圖譜

2.4 研究熱點(diǎn)分析

2.4.1 關(guān)鍵詞共現(xiàn)圖譜分析

研究某一領(lǐng)域的研究熱點(diǎn)就是研究分析此領(lǐng)域中心度和頻次高的關(guān)鍵詞，即在一段時(shí)間內(nèi)研究者共同關(guān)注的問題[25]。本文利用CiteSpace軟件選取“Keyword”節(jié)點(diǎn)類型，對(duì)煤礦智能化領(lǐng)域進(jìn)行熱點(diǎn)主題分析。時(shí)間跨度、時(shí)間切片等變量不變，運(yùn)行得到CNKI中國(guó)知網(wǎng)和Web of Science關(guān)鍵詞共現(xiàn)圖譜分析(圖6、圖7)。

圖6 CNKI中國(guó)知網(wǎng)煤礦智能化領(lǐng)域關(guān)鍵詞共現(xiàn)圖譜

圖7 Web of Science煤礦智能化領(lǐng)域關(guān)鍵詞共現(xiàn)圖譜

其中，在關(guān)鍵詞共現(xiàn)圖譜中，節(jié)點(diǎn)越大，表示關(guān)鍵詞出現(xiàn)的次數(shù)越多。同時(shí)，生成表3對(duì)CNKI和Web of Science中高頻關(guān)鍵詞進(jìn)行分析。

表3 國(guó)內(nèi)外煤礦智能化領(lǐng)域高頻關(guān)鍵詞

從圖6、表3中可以看出，目前國(guó)內(nèi)煤礦智能化研究領(lǐng)域研究熱點(diǎn)主要分布在“智慧礦山”、“煤礦”、“智能化”、“物聯(lián)網(wǎng)”、“智能礦山”等方面；說明“智慧礦山”、“智能礦山”等的建設(shè)和物聯(lián)網(wǎng)、智能控制、大數(shù)據(jù)、人工智能等先進(jìn)智能技術(shù)融合進(jìn)當(dāng)前煤礦開采環(huán)境是煤礦智能化未來的發(fā)展前景。由圖7、表3可知，目前國(guó)外煤礦智能化研究主要重視對(duì)“coal mine(煤礦)” 、“system(系統(tǒng))”、“coal mining(煤礦開采)”、“model(模型)”、“algorithm(算法)”等方面進(jìn)行分析。對(duì)比圖6、圖7和表2中的高頻關(guān)鍵詞可知，目前國(guó)內(nèi)外對(duì)煤礦智能化的研究側(cè)重點(diǎn)不同，國(guó)內(nèi)主要研究智能化技術(shù)如何更好的融入當(dāng)前煤礦大環(huán)境，當(dāng)前階段更多的研究體現(xiàn)在理論層面；國(guó)外主要對(duì)煤礦智能化技術(shù)進(jìn)行深入研究與探索，較重視實(shí)踐層面。

2.4.2 關(guān)鍵詞共現(xiàn)圖譜的聚類分析

聚類分析是深入剖析研究熱點(diǎn)的有效方式，可以更好的判斷國(guó)內(nèi)外煤礦智能化的研究熱點(diǎn)領(lǐng)域[26]。本文采用CiteSpace軟件中關(guān)鍵詞聚類分析法生成聚類分析圖譜(如圖8、圖9所示)，列出不同聚類模塊的聚類規(guī)模，對(duì)煤礦智能化領(lǐng)域的研究熱點(diǎn)進(jìn)行探索。通過聚類分析得到兩個(gè)重要指標(biāo)：Q值(聚類模塊值)和S值(平均輪廓值)，Q值范圍一般在0～1之間，一般認(rèn)為Q>0.3則表示聚類結(jié)構(gòu)效果顯著；S>0.5時(shí)，一般認(rèn)為聚類合理，若S>0.7，則意味著聚類效果高[27]。

圖8中，Q=0.6643，S=0.8613，說明CNKI中國(guó)知網(wǎng)煤礦智能化領(lǐng)域關(guān)鍵詞聚類結(jié)構(gòu)效果顯著且聚類效果高效。圖8中選取的前10個(gè)關(guān)鍵詞分別為：智能礦山、煤礦、管理創(chuàng)新、智能化、智能、創(chuàng)新、工作面、應(yīng)用、煤礦安全和Plc。這10個(gè)關(guān)鍵詞詮釋了國(guó)內(nèi)煤礦智能化領(lǐng)域的研究主要基于煤礦、智能、創(chuàng)新等方面開展，推動(dòng)煤礦行業(yè)改革。

圖8 CNKI中國(guó)知網(wǎng)煤礦智能化領(lǐng)域關(guān)鍵詞聚類圖譜

圖9中，Q=0.8379，S=0.9402，意味著Web of Science中對(duì)煤礦智能化研究熱點(diǎn)聚類結(jié)構(gòu)明顯且聚類高效。從圖9的標(biāo)簽可以看出選取的前十個(gè)關(guān)鍵詞分別是：feature extraction(特征提取)、emergency rescue(應(yīng)急救援)、risk assessment(風(fēng)險(xiǎn)評(píng)估)、analytic hierarchy process(層次分析法)、disaster warning(災(zāi)害預(yù)警)、unconfined compressive strength(無側(cè)限抗壓強(qiáng)度)、cloud computing(云計(jì)算)、coal mining(煤礦開采)、nox(氮氧化物)和ground well(地面井)。據(jù)此可知與國(guó)內(nèi)相比，國(guó)外更側(cè)重于實(shí)踐探究，應(yīng)用智能化技術(shù)推動(dòng)煤礦轉(zhuǎn)型。

圖9 Web of Science煤礦智能化領(lǐng)域關(guān)鍵詞聚類圖譜

3 研究發(fā)展趨勢(shì)分析

3.1 時(shí)區(qū)圖研究

識(shí)別煤礦智能化領(lǐng)域關(guān)鍵詞的演變趨勢(shì)有助于了解此領(lǐng)域研究熱點(diǎn)的演進(jìn)情況[28]。在CiteSpace軟件中選取“Keyword”，在可視化面板中的Control Panel操作面板中選擇“Layout”，并將Visualizations選項(xiàng)中調(diào)整為“Timezone View”，運(yùn)行得到CNKI中國(guó)知網(wǎng)和Web of Science關(guān)鍵詞時(shí)區(qū)圖聚類圖譜(如圖10、圖11所示)，深層次分析煤礦智能化領(lǐng)域的發(fā)展歷程。

圖10中，結(jié)合時(shí)代大環(huán)境背景，可以將煤礦智能化領(lǐng)域的演變歷程大致劃分為3個(gè)階段。2007-2011年為第一階段，學(xué)者在此階段主要集中于對(duì)“煤礦”、“智能”、“智能化”、“智慧礦山”、“物聯(lián)網(wǎng)”“煤礦開采”等關(guān)鍵詞的研究，對(duì)煤礦智能化的理論研究和研究方向逐漸形成和完善；第二階段是2012-2016年，學(xué)者在此階段的研究熱點(diǎn)較第一階段有減少，研究細(xì)化程度提高，研究熱點(diǎn)大多聚集在“數(shù)字礦山”、“人工智能”、“信息化”“云計(jì)算”等方面，將煤礦智能化的研究與技術(shù)建立緊密聯(lián)系；2017年以來，是煤礦智能化領(lǐng)域研究的上升爆發(fā)期，隨著近年來科學(xué)技術(shù)的迅速發(fā)展，“智慧煤礦”、“智能煤礦”、“開采技術(shù)”、“智能管控”等成為煤礦智能化領(lǐng)域研究的熱點(diǎn)關(guān)鍵詞，煤礦行業(yè)逐步進(jìn)入數(shù)字化、信息化、自動(dòng)化、智能化的時(shí)代，不斷創(chuàng)新改革推進(jìn)煤礦行業(yè)發(fā)展。

由圖11可知，2009-2012年期間，主要集中于對(duì)“neural network(神經(jīng)網(wǎng)絡(luò))”、“prediction(預(yù)測(cè))”、“coal mining(煤礦開采)”、“expert system(專家系統(tǒng))”等研究方向的探索；2013-2018年期間，國(guó)外對(duì)煤礦智能化的關(guān)注度特別高，此階段內(nèi)涌現(xiàn)了眾多熱點(diǎn)關(guān)鍵詞，如“model(模式)”、“coal mine(煤礦)”、“machine learning(機(jī)器學(xué)習(xí))”、“system(系統(tǒng))”等，表明國(guó)外對(duì)此領(lǐng)域的研究?jī)?nèi)涵更為豐富，角度更為擴(kuò)展；2019年以來，研究熱點(diǎn)逐漸減少，主要對(duì)“intelligent mining(智能采礦)”、“identification(識(shí)別)”、“deep learning(深度學(xué)習(xí))”等進(jìn)行鉆研，意味著國(guó)外對(duì)煤礦智能化領(lǐng)域的研究進(jìn)入智能技術(shù)應(yīng)用研究階段。

圖10 CNKI中國(guó)知網(wǎng)煤礦智能化領(lǐng)域關(guān)鍵詞時(shí)區(qū)圖圖譜

圖11 Web of Science煤礦智能化領(lǐng)域關(guān)鍵詞時(shí)區(qū)圖圖譜

3.2 突現(xiàn)詞研究

為了更清晰了解煤礦智能化領(lǐng)域的新興研究熱潮，可通過CiteSpace軟件對(duì)關(guān)鍵詞圖譜進(jìn)行突現(xiàn)詞探測(cè)，衡量前沿性研究?jī)r(jià)值[29]?；陉P(guān)鍵詞圖譜，在Selection Criteria中選擇“Top N”，點(diǎn)擊“Go”運(yùn)行。在Burstness中點(diǎn)擊“Refresh”，調(diào)整相關(guān)指數(shù)，點(diǎn)擊“View”，得到關(guān)鍵詞突現(xiàn)圖譜，如圖12、圖13所示。

圖12 CNKI中國(guó)知網(wǎng)煤礦智能化領(lǐng)域關(guān)鍵詞突現(xiàn)圖譜

圖13 Web of Science煤礦智能化領(lǐng)域關(guān)鍵詞突現(xiàn)圖譜

從突現(xiàn)強(qiáng)度分析，CNKI中國(guó)知網(wǎng)檢索文獻(xiàn)中“智慧礦山”、“智能化”突現(xiàn)強(qiáng)度較高，高達(dá)16.42和16.4，這表明在2019-2021年期間，國(guó)內(nèi)學(xué)者在對(duì)煤礦智能化研究中，對(duì)“智慧礦山”、“智能化”等方式關(guān)注熱度較高，實(shí)現(xiàn)煤礦智能化最好的方式是建設(shè)“智慧礦山”。Web of Science中突現(xiàn)強(qiáng)度最高的是“regression(回歸)”，但僅有1.78，且研究熱度僅持續(xù)一年，說明國(guó)外學(xué)者在研究過程中發(fā)現(xiàn)其并不是未來發(fā)展熱點(diǎn)。根據(jù)突現(xiàn)時(shí)間分析，國(guó)內(nèi)研究中，雖然“智慧礦山”、“智能化”、“大數(shù)據(jù)”、“關(guān)鍵技術(shù)”、“智能開采”、“智慧煤礦”、“智能煤礦”、“無人駕駛”、“智能裝備”、“管理創(chuàng)新”、“采煤機(jī)”等關(guān)鍵詞出現(xiàn)時(shí)間較晚，均于2019年出現(xiàn)，但研究熱度一直高漲，且是現(xiàn)階段和未來煤礦行業(yè)發(fā)展的重點(diǎn)。國(guó)外研究中，“neural network(神經(jīng)網(wǎng)絡(luò))”、“l(fā)ongwall mining(長(zhǎng)壁采煤法)”等詞突現(xiàn)時(shí)間持續(xù)較長(zhǎng)，但在近幾年，沒有再深入研究，說明國(guó)外近些年對(duì)煤礦智能化的研究方向有所轉(zhuǎn)移。近些年，國(guó)外對(duì)煤礦智能化領(lǐng)域的研究熱點(diǎn)主要集中在“seam(煤層)”、“behavior(行為)”、“classification(分類)”、“channel wave(巷道變形)”等方面。

對(duì)比分析國(guó)內(nèi)外突現(xiàn)詞發(fā)現(xiàn)其對(duì)煤礦智能化領(lǐng)域研究熱點(diǎn)各有側(cè)重，但總體都是以煤礦行業(yè)當(dāng)前環(huán)境背景與先進(jìn)技術(shù)相融合為目標(biāo)，增進(jìn)煤礦行業(yè)走向智能化進(jìn)程。

4 結(jié)論

(1) 中外文獻(xiàn)在發(fā)文量方面整體趨勢(shì)一致，呈現(xiàn)波動(dòng)上升態(tài)勢(shì)，且中文文獻(xiàn)發(fā)文量多于外文文獻(xiàn)，國(guó)內(nèi)增長(zhǎng)趨勢(shì)優(yōu)于國(guó)外，體現(xiàn)國(guó)內(nèi)外在煤礦智能化領(lǐng)域重視程度不斷提高。

(2) 國(guó)內(nèi)外作者、機(jī)構(gòu)間在該領(lǐng)域的研究形成一定的研究群體，但群體間合作不多，合作關(guān)系較為松散，團(tuán)隊(duì)規(guī)模較小。國(guó)內(nèi)合作主要集中在科研企業(yè)、科研院所、高校之間，與外界合作不多，外文文獻(xiàn)作者、研究機(jī)構(gòu)主要來自于中國(guó)，體現(xiàn)我國(guó)學(xué)者對(duì)煤礦智能化領(lǐng)域的研究做出了巨大的貢獻(xiàn)，對(duì)于煤礦智能化領(lǐng)域的研究在國(guó)際上學(xué)術(shù)參考價(jià)值較高。

(3) 在研究熱點(diǎn)方面，對(duì)中外文獻(xiàn)進(jìn)行分析，得出國(guó)內(nèi)外學(xué)術(shù)研究關(guān)注的重心有所不同。國(guó)內(nèi)更注重技術(shù)與環(huán)境的融合，從理論出發(fā)，國(guó)外則更偏向?qū)嵺`角度，對(duì)技術(shù)的研究占比較高。國(guó)內(nèi)主要側(cè)重研究將物聯(lián)網(wǎng)、大數(shù)據(jù)、智能控制、人工智能、智能裝備等新興智能技術(shù)與煤礦開采技術(shù)相融合，國(guó)外主要側(cè)重于遠(yuǎn)程控制、無人監(jiān)測(cè)、系統(tǒng)性等相關(guān)智能化技術(shù)的研究，促進(jìn)煤礦智能化發(fā)展。但整體來說，國(guó)內(nèi)外研究大方向基本一致，均旨在實(shí)現(xiàn)煤礦行業(yè)轉(zhuǎn)型，使智能化技術(shù)在煤礦行業(yè)的應(yīng)用不斷加深。

(4) 對(duì)于煤礦智能化領(lǐng)域研究重點(diǎn)和研究方向上，國(guó)內(nèi)外雖然側(cè)重點(diǎn)有所不同，國(guó)內(nèi)前期更多注重“智慧礦山”、“智能化”的理論研究，對(duì)大數(shù)據(jù)、智能開采、智能裝備等先進(jìn)智能化技術(shù)的的研究出現(xiàn)較晚，但這是未來研究趨勢(shì)；國(guó)外近些年則一直重視對(duì)先進(jìn)智能化技術(shù)的探索，推動(dòng)煤礦智能化轉(zhuǎn)型。

(5) 當(dāng)前，數(shù)字化、信息化、自動(dòng)化、智能化發(fā)展日益加快，煤礦智能化開采成為煤炭工業(yè)技術(shù)革命和升級(jí)發(fā)展的必然選擇。在數(shù)字經(jīng)濟(jì)背景下，煤礦智能化研究需要多角度、多學(xué)科探索，進(jìn)行知識(shí)的再整合，進(jìn)而構(gòu)建新的煤礦智能化管理體系。該領(lǐng)域各方研究者和研究機(jī)構(gòu)應(yīng)加強(qiáng)合作交流，擴(kuò)大團(tuán)隊(duì)合作規(guī)模，構(gòu)建成熟的合作關(guān)系網(wǎng)絡(luò)，共同推動(dòng)煤礦智能化研究的發(fā)展。