數(shù)據(jù)挖掘技術(shù)在平煤四礦監(jiān)測系統(tǒng)的應(yīng)用研究

丁 振 ，張 驎

(1.華北科技學(xué)院 安全工程學(xué)院，北京 東燕郊 101601；2.國家安監(jiān)總局培訓(xùn)中心，北京 100713)

數(shù)據(jù)挖掘技術(shù)在平煤四礦監(jiān)測系統(tǒng)的應(yīng)用研究

丁 振1，張 驎2

(1.華北科技學(xué)院 安全工程學(xué)院，北京 東燕郊 101601；2.國家安監(jiān)總局培訓(xùn)中心，北京 100713)

系統(tǒng)介紹數(shù)據(jù)挖掘的概念、常用的挖掘工具和算法。運用R語言對“平煤四礦”礦井監(jiān)測系統(tǒng)的數(shù)據(jù)進(jìn)行深入挖掘和分析。對工作面環(huán)境參數(shù)進(jìn)行關(guān)聯(lián)規(guī)則分析，挖掘參數(shù)之間的強(qiáng)規(guī)則。對某特定工作面瓦斯?jié)舛冗M(jìn)行回歸預(yù)測分析，確定主要影響因素。此外并對挖掘的結(jié)果進(jìn)行專業(yè)分析，結(jié)合礦井實際情況提出意見和建議。進(jìn)一步輔助礦井安全生產(chǎn)決策，提高礦井安全管理技術(shù)。

煤礦安全；數(shù)據(jù)挖掘；相關(guān)規(guī)則；回歸分析

0 引言

在國家的嚴(yán)格要求下，每對生產(chǎn)礦井必須裝備可靠先進(jìn)的監(jiān)測系統(tǒng)，實時監(jiān)測礦井生產(chǎn)情況，隨之也就產(chǎn)生了大量的、豐富的監(jiān)測數(shù)據(jù)，但對數(shù)據(jù)的利用大都停留在直觀層面：繪制濃度曲線圖、設(shè)置警報值、超限預(yù)警、查詢等等，難免形成“數(shù)據(jù)豐富，知識匱乏”的尷尬局面。沒有有效的深層次挖掘隱藏在數(shù)據(jù)中的模式和規(guī)則輔助安全監(jiān)測，也就沒有充分發(fā)揮監(jiān)測系統(tǒng)的潛能。如何從海量的各種信息中迅速、準(zhǔn)確地獲取有用的、珍貴的知識，更好地服務(wù)于決策者，及時作出科學(xué)有效的生產(chǎn)決策？這是進(jìn)一步提高礦井安全形勢的重點，需要有一種基于計算機(jī)與信息技術(shù)的智能化知識獲取工具，來提取埋藏在數(shù)據(jù)中的各類知識，數(shù)據(jù)挖掘技術(shù)就是解決這個問題的一種行之有效的工具[1]。

1 數(shù)據(jù)挖掘理論基礎(chǔ)

1.1 數(shù)據(jù)挖掘概念

數(shù)據(jù)挖掘(Data Mining)就是從大量的數(shù)據(jù)中獲取有效的、潛在的、人們事先不清楚的知識和模式的過程。又稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)(Knowledge Discovery in Database,KDD)，是一種深層次的數(shù)據(jù)分析方法[2-3]。數(shù)據(jù)挖掘技術(shù)處理的原始數(shù)據(jù)是多種形式的，可以是結(jié)構(gòu)化的，如關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)；也可以是半結(jié)構(gòu)化的，如文本、圖形圖像數(shù)據(jù)等；也有的是數(shù)值型的，如瓦斯?jié)舛?、粉塵濃度、CO濃度等監(jiān)測數(shù)據(jù)等。一般來說，數(shù)據(jù)挖掘是一個利用多種分析工具和算法在規(guī)模龐大的海量數(shù)據(jù)中建立模型，并從中分析數(shù)據(jù)之間的關(guān)聯(lián)的過程，得到的挖掘結(jié)果用來輔助管理者做出決策[4-5]。

1.2 數(shù)據(jù)挖掘工具和方法

數(shù)據(jù)挖掘技術(shù)涉及數(shù)據(jù)庫、統(tǒng)計學(xué)、人工智能、和機(jī)器學(xué)習(xí)等多個領(lǐng)域，用統(tǒng)計學(xué)手段揭示數(shù)據(jù)之間的客觀聯(lián)系，從中發(fā)現(xiàn)有趣的模式和規(guī)則。主要采用的方法有關(guān)聯(lián)規(guī)則、貝葉斯方法、聚類分析、決策樹算法、神經(jīng)網(wǎng)絡(luò)、遺傳算法、序列模式、粗糙集等等，每種算法可適用于多個領(lǐng)域[6-7]。

數(shù)據(jù)挖掘的工具也非常豐富，主要有WEkA、MATLAB、SPSS、SAS、EXCEL、R語言等。每一種分析工具都有比較強(qiáng)大的處理功能，應(yīng)用領(lǐng)域廣泛。

本文主要采用R語言作為分析工具，采用關(guān)聯(lián)規(guī)則和回歸分析作為挖掘方法。

1.3 R語言簡介

R語言是S語言的一個分支，一種實現(xiàn)。擁有一套完整的數(shù)據(jù)處理、計算和制圖的軟件系統(tǒng)。主要功能包括：數(shù)據(jù)存儲和處理、數(shù)組運算、統(tǒng)計分析與繪圖、可編程，控制數(shù)據(jù)的輸入和輸出，實現(xiàn)分支、循環(huán)和用戶自定義等功能。

R語言的優(yōu)勢不僅在于它是向大眾免費的，還是開源的，因此很靈活、更新速度快。在數(shù)據(jù)分析方面它具有以下幾方面的優(yōu)勢[8-9]：

(1) 具有強(qiáng)大的數(shù)學(xué)統(tǒng)計分析功能，綜合了所有標(biāo)準(zhǔn)的統(tǒng)計測試、模型和分析。

(2) 擁有7000多個高質(zhì)量的、來自多個領(lǐng)域的程序包，均可從網(wǎng)上下載。程序包涉及到統(tǒng)計計算、金融分析、機(jī)器學(xué)習(xí)、生物信息、社會網(wǎng)絡(luò)等眾多領(lǐng)域。

(3) 具有強(qiáng)大的數(shù)據(jù)可視化功能，提供各種統(tǒng)計分析機(jī)圖形顯示工具，并與多種圖形設(shè)備相匹配。

(4) 是一種相當(dāng)完善、簡潔和高效的、面向?qū)ο蟮?、開源的統(tǒng)計編程語言。

2 數(shù)據(jù)準(zhǔn)備

2.1 平煤四礦簡介

平煤四礦礦井位于平頂山礦區(qū)中部，屬于高溫礦井。二水平己三采區(qū)，在己16、17煤層中掘進(jìn)時，曾發(fā)生過煤與瓦斯動力現(xiàn)象。因此，三水平應(yīng)屬煤與瓦斯突出煤層。己16、17煤層經(jīng)鑒定為突出煤層，-390以深為突出危險區(qū)；基建期間己15煤層實測瓦斯壓力達(dá)到2.5 MPa，經(jīng)鑒定為煤與瓦斯突出煤層，-634 m以深為突出危險區(qū)。據(jù)測定煤塵有爆炸危險，己15、己16、17煤層均屬自燃煤層，但自開采以來一直未出現(xiàn)過自然發(fā)火。

2.2 數(shù)據(jù)抽取和集成

2.2.1 關(guān)聯(lián)規(guī)則數(shù)據(jù)準(zhǔn)備

根據(jù)關(guān)聯(lián)規(guī)則，挖掘井下工作面環(huán)境參數(shù)之間的關(guān)聯(lián)關(guān)系，從監(jiān)測數(shù)據(jù)庫中篩選出丁5-6-19052備采面、戊9-10-19130采面、戊9-10-19170機(jī)巷、戊9-10-19170風(fēng)巷、三水平31040機(jī)巷高抽巷等多個采集點11月份的甲烷、風(fēng)速、溫度、CO、粉塵、相對濕度等環(huán)境參數(shù)的信息，建立數(shù)據(jù)表(見表1)。

表1 參數(shù)數(shù)據(jù)表

續(xù)表

關(guān)聯(lián)規(guī)則無法對連續(xù)的數(shù)值進(jìn)行分析，分析之前，對數(shù)據(jù)進(jìn)行離散化處理。按照挖掘規(guī)則和礦井實際情況，將以上數(shù)據(jù)進(jìn)行離散處理，依據(jù)下表各分為三個等級，并用二元表示，構(gòu)建購物籃數(shù)據(jù)表(見表2)。

數(shù)據(jù)的二元表示，使用0、1兩個數(shù)字表示數(shù)據(jù)處在某一等級的情況，0表示“不處于”，1表示“處于”。

對以上數(shù)據(jù)表進(jìn)行二元表示，建立相應(yīng)的購物籃數(shù)據(jù)表(見表3)。

表2 參數(shù)等級表

表3 購物籃數(shù)據(jù)表

2.2.2 回歸分析數(shù)據(jù)準(zhǔn)備

己15-x采面開始初采初放，瓦斯涌出量達(dá)到20.06 m3/min，嚴(yán)重制約采面正常生產(chǎn)。從監(jiān)測系統(tǒng)源數(shù)據(jù)中篩選己15-x采面進(jìn)尺、瓦斯?jié)舛取⑷齻€水平風(fēng)機(jī)負(fù)壓、三水平抽放泵站相關(guān)抽放參數(shù)、己三抽放泵站相關(guān)抽放參數(shù)、已16-17-x機(jī)巷瓦斯?jié)舛群瓦M(jìn)尺等數(shù)據(jù)，并以15-x采面瓦斯?jié)舛葹橐蜃兞?，余下變量為自變量，建立挖掘?shù)據(jù)表(見表4)。

以監(jiān)測系統(tǒng)源數(shù)據(jù)中的數(shù)據(jù)為研究對象，集合成回歸分析數(shù)據(jù)表(見表5)。

表4 變量編碼表

表5 回歸分析數(shù)據(jù)表

3 數(shù)據(jù)挖掘及結(jié)果分析

3.1 相關(guān)規(guī)則挖掘及結(jié)果分析

3.1.1 相關(guān)規(guī)則挖掘過程

從CRAN(Comprehensive R Archive Network)http://cran.r-project.org上下載適合 windows操作系統(tǒng)的R×64 3.3.3的安裝包，安裝運行。運行界面如下：

輸入代碼，進(jìn)行挖掘工作。經(jīng)過調(diào)試，設(shè)置不同支持度和置信度，挖掘出的規(guī)則個數(shù)不同。設(shè)置支持度為0.3，置信度為0.7，進(jìn)行關(guān)聯(lián)挖掘，挖掘的規(guī)則個數(shù)11個。從挖掘規(guī)則中選擇5個強(qiáng)規(guī)則進(jìn)行分析(見表6)。

表6 挖掘規(guī)則表

圖1 R運行界面圖

3.1.2 挖掘結(jié)果分析

(1) 規(guī)則1{C1,E1}=>{D1}，support=0.30，confidence=0.74，lift=1.18，采面瓦斯?jié)舛仍诘谝坏燃塁1(0,0.1]、粉塵濃度處于E1(0,5]，有可能其CO濃度也在第一等級D2(5.0,15.0]。

(2) 強(qiáng)規(guī)則2{ C1,D1} => {A2}，support=0.30，confidence=0.86，lift=1.74，采面CH4濃度處于第一等級C1(0.0, 0.1]、CO濃度處于第一等級D1(0.0,5.0]，規(guī)則可以推出采面的粉塵濃度有可能處于E1(0,5.0]。

(3) 強(qiáng)規(guī)則3{ D1,E1} => {C1}，support=0.30，confidence=0.80，lift=1.64，同理，測點CO濃度處于第一等級D1(0.0,5.0]、粉塵濃度處于第一等級E1(0.0，10.0]，可以推出CH4濃度處于C1(0,0.1]。

(4) 強(qiáng)規(guī)則4{ D1,F3}=>{B3}，support=0.31，confidence=0.97，lift=1.47，工作面CO濃度處于第一等級D1(0,5.0]、相對濕度處于第三等級F3(85,100]，推出工作面的溫度可能處于B3(26,35]。則巷道的相對濕度有可能處于第三等級E3(85.0,100.0]。

(5) 強(qiáng)規(guī)則5{ B3,D1}=>{F3}，support=0.31，confidence=0.78，lift=1.33，工作面的溫度處于第三等級B3(26.0,35.0]、CO濃度處于第一等級D1(0.0，5.0]，由規(guī)則得出工作面的相對濕度可能處于F3(85,100]。

規(guī)則1、2、3主要描述的是采面或者掘進(jìn)面CH4濃度、CO濃度和粉塵濃度之間的相互關(guān)系。CH4主要來自于割煤時煤層中游離狀態(tài)的氣體向外涌出，粉塵主要來自煤層的物理破碎，CO主要來自于采空區(qū)破碎遺煤的緩慢氧化。據(jù)規(guī)則可知，這三個參數(shù)具有較高的相關(guān)性，彼此相互影響。

規(guī)則4、5描述的是工作面溫度、濕度和CO濃度之間的相關(guān)關(guān)系。在工作面這個狹小的空間里，機(jī)械設(shè)備運轉(zhuǎn)放熱、圍巖放熱、風(fēng)流做功放熱、人體放熱、熱水涌出放熱等增加了工作面的溫度，溫度升高，工作面空氣的飽和濕度提高，加之，采煤機(jī)降塵噴霧、巷道積水等水源豐富，形成了工作面的高溫高濕環(huán)境。

3.2 回歸分析挖掘及結(jié)果分析

3.2.1 回歸分析挖掘過程

回歸分析數(shù)據(jù)中，自變量的個數(shù)比較多，無法直觀了解哪些自變量與因變量(己15-x采面瓦斯?jié)舛?的關(guān)系顯著，若一一剔除關(guān)系不顯著的變量，工作量會加大。所以采用逐步回歸方法，按照偏相關(guān)系數(shù)的大小順序依次將自變量引入方程。

運行R，將數(shù)據(jù)表讀入R，挖掘工作自動進(jìn)行(見圖2)。

圖2 運行結(jié)果圖

由運行結(jié)果可知，回歸模型的擬合優(yōu)度R2=0.767，說明擬合的效果良好；F檢驗十分顯著(P值很小)，說明方程中的檢驗是顯著的。通過逐步回歸得到基于AIC選擇的最優(yōu)模型，擬合的回歸方程表達(dá)式為：

(1)

經(jīng)殘差診斷、影響分析等手段監(jiān)測，該模型能夠客觀描述變量之間客觀存在的相依關(guān)系。

3.2.2 挖掘結(jié)果分析

分析所得回歸方程可知：

(1) 影響己15-x采面瓦斯?jié)舛鹊闹饕蛩貫橐?5-x采面進(jìn)尺(x1)、二水平風(fēng)機(jī)負(fù)壓(x3)、己三固定泵站￠500管道流量(x7)、己三固定泵站￠500管道壓力(x8)、三水平抽放泵站￠500管道甲烷(x12)。其中x1、x3、x12的偏相關(guān)系數(shù)為負(fù)值，說明這三個變量對己15-x采面瓦斯?jié)舛绕鹭?fù)影響，x3、x12對其起正影響。

(2) 己15-x采面本煤層的瓦斯主要來自于采掘進(jìn)尺新暴露煤層游離狀態(tài)瓦斯的釋放，平均每進(jìn)尺一米，瓦斯?jié)舛仍黾?.013個百分點。二水平風(fēng)機(jī)是己15-x采面通風(fēng)除瓦斯的主要動力來源，二水平風(fēng)機(jī)負(fù)壓平均每降低1kpa，瓦斯?jié)舛认陆?.718個百分點。己三固定泵站、三水平抽放泵站是己15-x采面的主要抽放系統(tǒng)，己三固定泵站￠500管道流量平均每增加1m3/min，瓦斯?jié)舛冉档?.001個個百分點；己三固定泵站￠500管道壓力平均每增加1kpa，瓦斯?jié)舛?.019個百分點；三水平抽放泵站￠500管道甲烷濃度平均每降低1個百分點，己15-x采面瓦斯?jié)舛冉档?.584個百分點。

4 結(jié)論

(1) 治理工作面CH4、CO和粉塵，需綜合考慮三者之間的關(guān)系，控制煤炭產(chǎn)量，以風(fēng)量和CH4濃度定產(chǎn)量；減少采空區(qū)漏風(fēng)量，控制涌入采掘空間的CO濃度。

(2) 己15-x采面瓦斯?jié)舛绕?，采用通風(fēng)降瓦斯的措施，效果有限。當(dāng)二水平風(fēng)機(jī)負(fù)壓增大到一定值時，不僅不能繼續(xù)降低采面瓦斯?jié)舛?，反而增加了瓦斯?jié)舛?，這是因為負(fù)壓過大，可能將煤層底板滲透的瓦斯、采空區(qū)的瓦斯更多地吸入了工作面，造成瓦斯量增大。

(3) 己三固定泵站￠500管道布置在高位抽放巷，從煤層上部抽放瓦斯，隨著管道流量和壓力的升高，采面瓦斯?jié)舛仍谝欢ǔ潭壬舷陆怠Ｈ匠榉疟谜尽?00管道布置在己15-x機(jī)巷位置，鉆孔的影響區(qū)部分重疊，形成煤層裂隙，在抽放的同時也加大機(jī)巷瓦斯的涌出量，隨著風(fēng)流吹向工作面。應(yīng)合理布置鉆孔，減少鉆孔的相互影響，同時有效封堵鉆孔，最大限度地抽放瓦斯。

(4) 關(guān)聯(lián)規(guī)則挖掘是對礦井環(huán)境參數(shù)關(guān)系的描述，回歸分析是對某特定工作面瓦斯?jié)舛鹊念A(yù)測。兩種方法挖掘側(cè)重的方向不同，但可以結(jié)合一起用于工作面生產(chǎn)環(huán)境的描述，并以此為參照預(yù)測瓦斯?jié)舛融厔荨?/p>

(5) 在今后的研究中，將各個子系統(tǒng)的數(shù)據(jù)融合起來，針對不同的挖掘任務(wù)和目標(biāo)建立挖掘數(shù)據(jù)庫，運用相應(yīng)的算法快速準(zhǔn)確的挖掘出隱藏在數(shù)據(jù)數(shù)據(jù)中的知識和規(guī)則。

[1] 劉興安.煤礦信息數(shù)據(jù)挖掘方法的研究[J].煤炭技術(shù)，2007(2)：26-27.

[2] Pang-Ning Tan Michael Steinbach Vipin Kumar.范明，范宏劍等譯.數(shù)據(jù)挖掘?qū)д揫M].北京:人民郵電出版社，2011.

[3] 劉紅賓，楊前.煤礦安全數(shù)據(jù)挖掘模型的構(gòu)建及應(yīng)用[J].中州煤礦，2009，167：3-5.

[4] 王清，高原.礦井生產(chǎn)災(zāi)害信息化管理模型探討[J].煤礦安全2008(3)：90-91.

[5] 董建新.計算機(jī)數(shù)據(jù)挖掘技術(shù)在煤礦行業(yè)的應(yīng)用[J].煤炭技術(shù)2012,31(4):87-89.

[6] 付雯，李響.對礦井自動化監(jiān)控技術(shù)的應(yīng)用探究[J].煤炭技術(shù)，2013(1)：224-226.

[7] 馬正華.數(shù)據(jù)挖掘技術(shù)及其在煤炭企業(yè)中的應(yīng)用研究[J]. 煤炭工程，2005(12):80-81.

[8] 溫國鋒，陳立文.煤礦安全管理數(shù)據(jù)倉庫的建立與應(yīng)用研究[J].中國礦業(yè)，2009(1):12-13.

[9] 屈元子，李茹.基于數(shù)據(jù)倉庫的煤礦歷史數(shù)據(jù)分析[J].電腦開發(fā)與應(yīng)用，2008(1):11-13.

Applied research on data mining technology on the monitoring systems in Pingdingshan No.4 Coal Mine

DING Zhen1，ZHANG Lin2

(1.CollegeofSafetyEngineering,NorthChinaInstituteofScienceandTechnology,Yanjiao,101601,China；2.StateAdministationofWorkSafety,Beijing,100713,China)

The system introduces the concept of data mining, common data mining tools and algorithms, using R language to do the in-depth mining and analysis on the basis of the data from mine monitoring system of “Pingdingshan No.4 Coal Mine”. We analyzed the association rules of mining environment parameters, excavating strong rules between the mining parameters. For a certain working face, we did regression forecast analysis to gas concentration and determining the main influencing factors.In addition, we did the professional analysis to the results of the mining, putting forward opinions and suggestions combining with the actual situation of the coal mine, helping them to make safety production decisions, and improving safety management technology of coal mine.

coal mine safety；data mining；related rules；regression analysis

2016-03-15

中央高?；究蒲袠I(yè)務(wù)費資助(3142015057)

丁振 (1985-)，男，安徽淮北人，華北科技學(xué)院安全工程學(xué)院在讀碩士研究生，主要研究方向：礦業(yè)安全。E-mail: 381046663@qq.com

TP274+.2

A

1672-7169(2016)03-0087-06