基于大數(shù)據(jù)的瓦斯報警甄別研究

楊建全1，李 筱，李雅斌

(1.平頂山天安煤業(yè)股份有限公司，河南 平頂山 467000； 2.北京瑞賽長城航空測控技術(shù)有限公司，北京 100176)

煤礦安全生產(chǎn)監(jiān)控系統(tǒng)已全面普及，實現(xiàn)了瓦斯氣體濃度的實時監(jiān)測和聯(lián)網(wǎng)監(jiān)控，及以公司為單位的煤礦安全環(huán)境監(jiān)控參數(shù)的統(tǒng)一集中管理[1]。

但是安全監(jiān)測系統(tǒng)由于受到環(huán)境、電磁干擾、設(shè)備故障、人為設(shè)備調(diào)校等因素的影響，出現(xiàn)大量異常高值數(shù)據(jù)，導致了大量瓦斯誤報警。目前對于誤報警采用的都是人工識別的方式。公司希望對甄別報警進行研究，實現(xiàn)對誤報警的自動識別，提高識別效率，減少人工負擔。

為了利用海量數(shù)據(jù)實現(xiàn)報警甄別，可借鑒目前研究較多的數(shù)據(jù)挖掘技術(shù)[2]。作為數(shù)據(jù)挖掘的重要研究課題之一，時間序列的數(shù)據(jù)挖掘與預(yù)測技術(shù)近幾年發(fā)展迅速，它將數(shù)據(jù)挖掘和時間序列聯(lián)系起來，支持解決發(fā)現(xiàn)新問題，以從海量的時間序列數(shù)據(jù)中挖掘出有價值的、潛在的、 未知的知識為目的[3-6]。

本文基于大數(shù)據(jù)的時間序列相關(guān)技術(shù)對瓦斯報警甄別進行了研究。

1 基于大數(shù)據(jù)的時間序列技術(shù)

瓦斯?jié)舛让刻斓臄?shù)據(jù)量達上萬條，如果直接在原始時間序列上進行數(shù)據(jù)挖掘，不但效率低下，而且往往難以獲得滿意的結(jié)果。利用時間序列具有大數(shù)據(jù)的海量性和復(fù)雜性等數(shù)據(jù)特點進行研究。

1.1 時間序列的模式表示

時間序列的表示方法主要有頻域表示法、奇異值表示法、符號表示法、分段線性表示法。

分段線性表示法不改變原序列的表示方式，具有更直觀的形式，因此得到眾多研究者的重視，是當前熱門的模式表示方法[7-11]。

分段線性表示的時間序列模式：

L={(l1,k1),…,(li,ki)}

(1)

式中，li為第i(i=1,2,…,n)分段的長度；ki為第i分段的斜率。

在分段基礎(chǔ)上，關(guān)鍵問題是相似性度量。

1.2 時間序列相似性度量

相似度量是通過被測模式和正常模式的相似性判斷診斷出哪些是異常數(shù)據(jù)。相似性度量的方法有Minkowski距離、動態(tài)模式匹配距離及基于模式特征的K-近鄰動態(tài)系統(tǒng)測量。

(1) Minkowski距離。

Minkowski距離作為相似性度量距離，是歐氏距離的推廣，定義如下：

(2)

當p=2時，即為歐式距離。Minkowski距離應(yīng)用于數(shù)據(jù)索引的相似性度量時具有簡單直觀、計算簡便、可擴展性強等優(yōu)點。然而也存在可靠性較差、對噪聲及波動魯棒性較差等缺點。

(2) 動態(tài)模式匹配距離。

與傳統(tǒng)距離不同，動態(tài)模式匹配距離是通過模式進行匹配。降低了計算的數(shù)據(jù)量，提高了算法效率。

假定給定兩個模式P1=(l1,k1)和P2=(l2,k2)，其中l(wèi)和k分別表示模式的長度與斜率，則兩個模式之間的距離為

(3)

式中，分母是將長度和斜率這兩個不同的量綱進行統(tǒng)一，而取最小值則是為了能夠突出短模式的重要性。

若有兩個時間序列：

對應(yīng)模式分別為

則兩模式的動態(tài)模式匹配距離為

D(X,Y)=d(px1,py1)+min{D(P(X-1)，P(Y))，D(P(X),

P(Y-1))，D(P(X-1),P(Y-1))}

(4)

式中，d(px1,py1)為px1與py1之間的模式距離；P(X)-px1和P(Y)-py1分別為P(X)和P(Y)去除了第一個元素后的序列。

從上述公式可以看出，模式是由長度、斜率這兩個特征表示。由于模式的長度與時間序列的振幅大小無關(guān)，而其斜率則體現(xiàn)了時間序列振幅的相對大小，所以動態(tài)模式匹配距離可以克服時間序列的振幅平移與伸縮變換。

1.3 基于模式特征的K-近鄰動態(tài)系統(tǒng)測量

數(shù)據(jù)異常檢測算法是利用不同特征間的距離不同進行分類[12-13]，選用前k個與待分類數(shù)據(jù)相似的數(shù)據(jù)，記錄k個最相似數(shù)據(jù)中出現(xiàn)次數(shù)最多的類別為待分類數(shù)據(jù)的類別。

該檢測方法檢測步驟如下：

① 對已有報警類型進行數(shù)據(jù)建模，提取特征值。

② 對要檢測的數(shù)據(jù)進行分段，利用式(3)計算距離。

③ 計算模式P的K-近鄰可達距離。

該距離定義為

dist(q,p)=max(d(q,p),dk(p))

(5)

式(5)表示模式p與模式q的K-近鄰可達距離，至少是模式p的K-近鄰距離，或者等于模式p與模式q間的實際距離。離模式p最近的k個模式，模式p到這些模式的K-近鄰可達距離都等于dk(p)。

④ 計算模式p的k局部可達密度。

該密度定義為

(6)

式中，Nk(p)為模式p的第k距離鄰域，即p的K-近鄰距離以內(nèi)的所有模式，表示在模式向量集D中與模式p的距離不超過dk(p)的所有模式的集合。該值表示密度，密度越大，屬于同一簇的可能性越大，密度越低，為離群模式的概率越高。如果模式p和周圍鄰域模式是相同簇，則可達距離為較小值dk(p)的可能性大，使得可達距離求和小，密度值高；如果p和相鄰模式相距較遠，可達距離可能需要較大的值d(q,p)，從而導致密度較小，并且更可能是離群模式。

⑤ 計算模式p的局部異常系數(shù)。

該系數(shù)定義為

(7)

LOF(p)值能夠判斷某模式異?？赡苄缘拇笮。喝绻撝递^大，則該模式的局部范圍內(nèi)比較稀疏，說明該模式是異常的可能性較大。

由于模式向量的數(shù)據(jù)量遠小于原時間序列點數(shù)，因此會大大減小異常檢測算法復(fù)雜性及計算時間。

2 基于大數(shù)據(jù)的報警模型建立

通過對近兩年的瓦斯傳感器報警數(shù)據(jù)的分析，同時征詢煤礦安全技術(shù)專家意見，尋找出不同原因?qū)е碌膱缶赜械臄?shù)據(jù)特征，建立初步的甄別數(shù)學模型。再結(jié)合基于模式特征的K-近鄰檢測算法，實現(xiàn)瓦斯報警類型的自動甄別。

安全監(jiān)控系統(tǒng)中的瓦斯傳感器報警分為以下3種類型。

2.1 瓦斯涌出報警模型

瓦斯涌出是指煤礦開采過程中，由受采動影響的煤層、巖層，以及由采落的煤、巖石向井下空間釋放瓦斯的現(xiàn)象，分為以下兩種情況。

(1) 一般連續(xù)不斷、緩慢均勻涌出模型。

該情況的曲線如圖1所示。

圖1 一般瓦斯涌出數(shù)據(jù)曲線

此類瓦斯報警模型如下：

(8)

(2) 集中發(fā)生、涌出量不均勻的突出模型。

該情況的曲線如圖2所示。

圖2 瓦斯突出數(shù)據(jù)曲線

此類瓦斯報警模型如下：

(9)

注意，式(9)中的符號相同的各參數(shù)和其他公式中符號相同的各參數(shù)意義相同，但取值不同。

2.2 傳感器調(diào)校導致的報警模型

傳感器每星期需要進行調(diào)校，在進行高值調(diào)校時，需要先向傳感器充入2%的甲烷氣體，并持續(xù)90 s以上，這會造成瓦斯傳感器在監(jiān)控系統(tǒng)中超限報警。曲線如圖3所示。

圖3 傳感器調(diào)校數(shù)據(jù)曲線

此類瓦斯報警模型如下：

(10)

調(diào)校規(guī)程要求持續(xù)90 s以上，除去采集間隔時間的影響，定為60 s。

2.3 干擾/故障模型

瓦斯傳感器故障、供電異常、進水、接線松動、通信線路受電磁干擾等都會造成瓦斯數(shù)據(jù)報警的情況。主要有滿量程和瞬間高值兩種情況。

(1) 滿量程故障模型。

滿量程情況曲線如圖4所示。

圖4 滿量程故障數(shù)據(jù)曲線

此類瓦斯報警模型如下：

(11)

(2) 瞬間高值模型。

瞬間高值情況曲線如圖5所示。此類瓦斯報警模型如下：

(12)

圖5 傳感器瞬間高值故障數(shù)據(jù)曲線

3 系統(tǒng)流程圖及實驗結(jié)果

利用軟件程序?qū)崿F(xiàn)系統(tǒng)流程如圖6所示。

圖6 瓦斯甄別判斷流程

(1) 測試方法。

為了對系統(tǒng)軟件功能及其效果進行考核，集中對2018年10月—12月三個月內(nèi)的13075條瓦斯報警數(shù)據(jù)的甄別結(jié)果，由專業(yè)人員進行了詳細的人工對比和鑒別，將鑒別結(jié)果錄入數(shù)據(jù)庫，通過查詢語句分析統(tǒng)計結(jié)果。

(2) 測試結(jié)果。

① 在報警數(shù)據(jù)13075條中，程序甄別為瓦斯超限報警的927條，識別為傳感器調(diào)校的10860條，識別為干擾/故障的1288條。

② 經(jīng)人工鑒別，程序識別為瓦斯超限報警的927條記錄中，實際為瓦斯超限的94條，其余屬于將調(diào)校和故障信息誤判為瓦斯超限信息；程序識別為傳感器調(diào)校的10860條記錄，經(jīng)人工判斷全部為調(diào)校；程序識別為干擾/故障的1288條記錄中，有1127條為干擾/故障記錄，其余為調(diào)校誤判為干擾/故障。

③ 經(jīng)統(tǒng)計，本程序識別正確的共計12081條，識別準確率達到92%。

4 結(jié)束語

本系統(tǒng)在平煤神馬集團應(yīng)用后，收到了很好的效果，對瓦斯報警類別的識別準確率達到90%以上，有效降低了瓦斯誤報現(xiàn)象，同時對于真實的瓦斯報警能及時通知相關(guān)人員進行處理，有效地減少了相關(guān)人員的工作量，提高了工作效率。

系統(tǒng)存在的主要問題是甄別率還需要進一步提高，影響甄別率的因素主要有：

① 調(diào)校傳感器時由于充氣過程中出現(xiàn)間斷，造成整個調(diào)校過程不連續(xù)，影響系統(tǒng)判斷；

② 故障報警的情況多種多樣，其數(shù)據(jù)規(guī)律不能完全用現(xiàn)有模型概括，需要引入更多的模型。

后續(xù)研究可以從算法入手，探索更有效的數(shù)據(jù)挖掘方法，降低干擾數(shù)據(jù)的影響，同時加強對傳感器間關(guān)聯(lián)關(guān)系的分析研究，排除不符合邏輯規(guī)律的報警，從而提高瓦斯甄別的準確率。