瓦斯災(zāi)害區(qū)域安全態(tài)勢(shì)預(yù)警技術(shù)

張慶華，寧小亮，宋志強(qiáng)，和樹(shù)棟

(1.安徽理工大學(xué) 能源與安全學(xué)院， 安徽 淮南 232001；2.瓦斯災(zāi)害監(jiān)控與應(yīng)急技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室， 重慶 400037；3.中煤科工集團(tuán)重慶研究院有限公司， 重慶 400037)

0 引言

近年來(lái)，隨著煤礦安全監(jiān)管監(jiān)察力度的加強(qiáng)及安全技術(shù)及裝備的推廣和投入，我國(guó)煤礦安全形勢(shì)不斷好轉(zhuǎn)，煤礦事故起數(shù)和傷亡人數(shù)均大幅下降，但與發(fā)達(dá)國(guó)家相比仍有較大差距，煤礦事故沒(méi)有得到根本遏制，安全形勢(shì)依然嚴(yán)峻。2018年共發(fā)生事故224起，死亡333人，百萬(wàn)噸死亡率為0.093，同比分別下降0.9%、13.1%和12.3%[1]。為防范化解煤礦領(lǐng)域系統(tǒng)性安全生產(chǎn)風(fēng)險(xiǎn)，黨中央、國(guó)務(wù)院進(jìn)行了重要部署，發(fā)布了《中共中央國(guó)務(wù)院關(guān)于推進(jìn)安全生產(chǎn)領(lǐng)域改革發(fā)展的意見(jiàn)》等系列文件[2-3]，要求構(gòu)建“互聯(lián)網(wǎng)+監(jiān)管”平臺(tái)，加快建設(shè)國(guó)家、省、煤礦企業(yè)多個(gè)層面的煤礦安全風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警系統(tǒng)，不斷提升煤礦安全監(jiān)管監(jiān)察的信息化、網(wǎng)絡(luò)化、智能化水平，有效防范和化解重大安全風(fēng)險(xiǎn)。

全方位辨識(shí)區(qū)域煤礦風(fēng)險(xiǎn)，進(jìn)行區(qū)域煤礦安全態(tài)勢(shì)分析與預(yù)警，是提升煤礦安全生產(chǎn)風(fēng)險(xiǎn)防范與化解能力和安全監(jiān)管能力的有力抓手和有效途徑[4-5]，更加有利于實(shí)現(xiàn)煤礦安全生產(chǎn)風(fēng)險(xiǎn)全過(guò)程、全鏈條的態(tài)勢(shì)感知分析，強(qiáng)化風(fēng)險(xiǎn)分級(jí)管控和動(dòng)態(tài)監(jiān)測(cè)預(yù)警分析，有力提升科學(xué)預(yù)防、過(guò)程管控、精準(zhǔn)監(jiān)管監(jiān)察水平，可為監(jiān)管監(jiān)察部門(mén)預(yù)防性精準(zhǔn)執(zhí)法提供有力支撐。

本文以瓦斯災(zāi)害為例，從預(yù)警區(qū)域及等級(jí)劃分方法、預(yù)警指標(biāo)及模型、預(yù)警系統(tǒng)等方面對(duì)區(qū)域安全態(tài)勢(shì)預(yù)警技術(shù)進(jìn)行探討，可有效促進(jìn)我國(guó)煤礦災(zāi)害區(qū)域風(fēng)險(xiǎn)預(yù)警機(jī)制的建立。

1 預(yù)警區(qū)域及等級(jí)劃分方法

根據(jù)我國(guó)煤礦監(jiān)管監(jiān)察行政管理模式及預(yù)警的需要，將預(yù)警區(qū)域劃分為全國(guó)區(qū)域、省(市)級(jí)區(qū)域、煤監(jiān)分局管轄區(qū)域、地市級(jí)行政區(qū)域4個(gè)區(qū)域?qū)蛹?jí)，如圖1所示，其中煤礦是構(gòu)成區(qū)域的最小單元，a,b,c,n為對(duì)應(yīng)區(qū)域或煤礦的數(shù)量。

根據(jù)各級(jí)區(qū)域風(fēng)險(xiǎn)的大小，采用藍(lán)色、黃色、橙色、紅色4種顏色分別表示一般、較重、嚴(yán)重、特別嚴(yán)重4個(gè)預(yù)警等級(jí)，其代表的含義分別是相對(duì)安全、需要引起關(guān)注、需要加大監(jiān)管監(jiān)察力度、需要立即采取防控措施。

在監(jiān)管監(jiān)察過(guò)程中，需根據(jù)預(yù)警結(jié)果分級(jí)分區(qū)響應(yīng)，以便采取針對(duì)性的管控措施，因此，以劃分的區(qū)域?yàn)榭臻g范圍，針對(duì)每一層級(jí)的每個(gè)區(qū)域及每個(gè)煤礦都應(yīng)單獨(dú)發(fā)布預(yù)警結(jié)果。

圖1 預(yù)警區(qū)域劃分Fig.1 Early warning area division

2 瓦斯災(zāi)害區(qū)域安全態(tài)勢(shì)預(yù)警指標(biāo)

指標(biāo)是對(duì)客觀事物屬性的刻畫(huà)和描述[6]，而預(yù)警過(guò)程中需要對(duì)預(yù)警要素、危險(xiǎn)源、征兆以及預(yù)警對(duì)象危險(xiǎn)狀態(tài)進(jìn)行描述，這就需要通過(guò)一系列指標(biāo)來(lái)完成。區(qū)域內(nèi)瓦斯風(fēng)險(xiǎn)影響因素眾多，既與區(qū)域內(nèi)煤層賦存條件、礦井瓦斯等級(jí)、地質(zhì)構(gòu)造復(fù)雜程度等煤礦固有屬性有關(guān)，又與煤礦企業(yè)權(quán)屬性質(zhì)、生產(chǎn)能力、安全管理水平等礦井布局及采掘條件相關(guān)，還跟區(qū)域內(nèi)事故發(fā)生的時(shí)空規(guī)律及煤礦重大隱患等因素密切相關(guān)，同時(shí)還受宏觀技術(shù)和經(jīng)濟(jì)政策的影響。為此，建立瓦斯災(zāi)害區(qū)域安全態(tài)勢(shì)預(yù)警指標(biāo)體系，見(jiàn)表1。

3 區(qū)域預(yù)警分析模型

區(qū)域預(yù)警分析模型是預(yù)警實(shí)現(xiàn)的核心。瓦斯災(zāi)害區(qū)域安全態(tài)勢(shì)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(duì)區(qū)域安全風(fēng)險(xiǎn)的影響程度也有所差異，由此可見(jiàn)，預(yù)警分析是典型的多指標(biāo)、多源數(shù)據(jù)處理問(wèn)題。因此，需要建立科學(xué)、合理的算法模型對(duì)多指標(biāo)進(jìn)行綜合分析，以實(shí)現(xiàn)可靠、準(zhǔn)確預(yù)警。層次分析法是一種解決多目標(biāo)復(fù)雜問(wèn)題的決策分析方法[7-10]，在工程實(shí)踐中得到了廣泛應(yīng)用，其特征是合理的將定性與定量決策結(jié)合起來(lái)，因此，采用該算法實(shí)現(xiàn)區(qū)域預(yù)警的多指標(biāo)分析與決策。

表1 瓦斯災(zāi)害區(qū)域安全態(tài)勢(shì)預(yù)警指標(biāo)體系Table 1 Early warning index system of regional security situation of gas disasters

圖2 瓦斯災(zāi)害區(qū)域預(yù)警層次結(jié)構(gòu)模型Fig.2 Hierarchical model of regional early warning of gas disasters

預(yù)警分析具體步驟如下：

axy計(jì)算公式為

(1)

式中[]表示取整。

表2 兩指標(biāo)相對(duì)重要性專家打分標(biāo)準(zhǔn)Table 2 Expert scoring criteria for relative importance of two indicators

(2) 進(jìn)行層次單排序和一致性檢驗(yàn)。首先計(jì)算各判斷矩陣最大特征根的特征向量，經(jīng)歸一化處理后記為W，其元素即為判斷矩陣各元素對(duì)于上一層某指標(biāo)相對(duì)重要性的排序權(quán)值；然后對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn)，若未通過(guò)，則需要對(duì)axy加以調(diào)整。

(3) 進(jìn)行層次總排序和一致性檢驗(yàn)，即從最高層次到最低層次依次計(jì)算某一層次所有指標(biāo)對(duì)于目標(biāo)層相對(duì)重要性的權(quán)值，最終可得到方案層對(duì)目標(biāo)層的層次總排序。若通過(guò)一致性檢驗(yàn)，組合權(quán)重最大的方案即為最終預(yù)警結(jié)果；若未通過(guò)一致性檢驗(yàn)，則需要重新調(diào)整一致性比率高的判斷矩陣的元素取值。

4 預(yù)警系統(tǒng)設(shè)計(jì)

區(qū)域安全態(tài)勢(shì)預(yù)警涉及海量數(shù)據(jù)的采集、存儲(chǔ)與分析，因此，基于Hadoop和Spark大數(shù)據(jù)平臺(tái)[13-14]開(kāi)發(fā)區(qū)域安全態(tài)勢(shì)預(yù)警系統(tǒng)。該系統(tǒng)主要包括數(shù)據(jù)源層、數(shù)據(jù)采集層、數(shù)據(jù)存儲(chǔ)層、資源管理層、數(shù)據(jù)分析層、數(shù)據(jù)訪問(wèn)層和軟件應(yīng)用層，如圖3所示。數(shù)據(jù)的獲取與利用遵循“分類采集、集中存儲(chǔ)、按需調(diào)用、靈活展現(xiàn)”的基本原則。

圖3 區(qū)域安全態(tài)勢(shì)預(yù)警系統(tǒng)架構(gòu)Fig.3 Architecture of early warning system of regional security situation

數(shù)據(jù)源層：數(shù)據(jù)源主要包括瓦斯監(jiān)控系統(tǒng)數(shù)據(jù)、安全隱患排查系統(tǒng)數(shù)據(jù)、固有自然屬性、礦井布局及采掘條件、宏觀技術(shù)和經(jīng)濟(jì)政策等數(shù)據(jù)。上述數(shù)據(jù)按照數(shù)據(jù)結(jié)構(gòu)可劃分為結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)及非結(jié)構(gòu)化數(shù)據(jù)，按照數(shù)據(jù)時(shí)效性可劃分為離線數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)，按照數(shù)據(jù)獲取途徑和方式可分為礦端自動(dòng)采集數(shù)據(jù)、礦端人工錄入數(shù)據(jù)和網(wǎng)絡(luò)爬蟲(chóng)數(shù)據(jù)。

數(shù)據(jù)采集層：開(kāi)發(fā)了數(shù)據(jù)自動(dòng)采集接口，用于采集瓦斯監(jiān)控系統(tǒng)和安全隱患排查系統(tǒng)數(shù)據(jù)；開(kāi)發(fā)了數(shù)據(jù)錄入模塊，用于礦端人工錄入固有自然屬性、礦井布局及采掘條件等數(shù)據(jù)；按預(yù)警指標(biāo)設(shè)定了抓取目標(biāo)，以便從互聯(lián)網(wǎng)自動(dòng)獲取宏觀技術(shù)和經(jīng)濟(jì)政策相關(guān)數(shù)據(jù)。同時(shí)，根據(jù)數(shù)據(jù)的生產(chǎn)環(huán)境、數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)時(shí)效性等特點(diǎn)，分別使用不同的組件采集源數(shù)據(jù)：使用Sqoop組件將存儲(chǔ)在關(guān)系型數(shù)據(jù)庫(kù)中的瓦斯監(jiān)測(cè)監(jiān)控、安全隱患排查、區(qū)域煤礦固有自然屬性、礦井布局及采掘條件等大量的歷史數(shù)據(jù)導(dǎo)入到HDFS中；使用Flume組件將大量不同數(shù)據(jù)源的日志數(shù)據(jù)收集、聚合、移動(dòng)到HDFS中進(jìn)行存儲(chǔ)；使用Spooling Directory Source類型來(lái)監(jiān)控指定目錄的數(shù)據(jù)變更，實(shí)時(shí)采集文本文件、圖形文件以及視頻文件等非結(jié)構(gòu)化數(shù)據(jù)；使用Kafka組件采集不同區(qū)域煤礦的不同種類的瓦斯監(jiān)控系統(tǒng)的實(shí)時(shí)數(shù)據(jù)、安全隱患排查系統(tǒng)的實(shí)時(shí)數(shù)據(jù)，以及來(lái)自互聯(lián)網(wǎng)的宏觀技術(shù)和經(jīng)濟(jì)政策相關(guān)網(wǎng)絡(luò)爬蟲(chóng)數(shù)據(jù)。

數(shù)據(jù)存儲(chǔ)層：主要利用分布式文件系統(tǒng)HDFS來(lái)存儲(chǔ)數(shù)據(jù)采集層傳遞的數(shù)據(jù)和數(shù)據(jù)分析層計(jì)算分析的數(shù)據(jù)，采用HBase組件存儲(chǔ)非結(jié)構(gòu)化和半結(jié)構(gòu)化的數(shù)據(jù)，采用Hive組件對(duì)存儲(chǔ)在HDFS中的大規(guī)模離線數(shù)據(jù)集執(zhí)行查詢、統(tǒng)計(jì)和分析。

資源管理層：YARN組件是Hadoop集群的通用資源管理器，為數(shù)據(jù)分析層提供統(tǒng)一的資源管理和調(diào)度服務(wù)。

數(shù)據(jù)分析層：根據(jù)構(gòu)建的區(qū)域預(yù)警指標(biāo)體系和模型，建立瓦斯災(zāi)害區(qū)域煤礦安全態(tài)勢(shì)預(yù)警算法，使用MapReduce、HiveSQL來(lái)查詢、統(tǒng)計(jì)、計(jì)算不同區(qū)域不同煤礦的大規(guī)模離線數(shù)據(jù)，使用Spark Streaming、Spark SQL來(lái)查詢、統(tǒng)計(jì)、計(jì)算不同區(qū)域不同煤礦的實(shí)時(shí)數(shù)據(jù)。

數(shù)據(jù)訪問(wèn)層：負(fù)責(zé)對(duì)數(shù)據(jù)庫(kù)進(jìn)行讀寫(xiě)操作，主要包括通用數(shù)據(jù)訪問(wèn)服務(wù)、常規(guī)數(shù)據(jù)查詢服務(wù)、多維數(shù)據(jù)查詢服務(wù)、實(shí)時(shí)數(shù)據(jù)查詢服務(wù)。

軟件應(yīng)用層：預(yù)警系統(tǒng)主要包括預(yù)警結(jié)果發(fā)布、預(yù)警指標(biāo)及模型設(shè)置、數(shù)據(jù)查詢、區(qū)域煤礦管理、系統(tǒng)設(shè)置等功能模塊，功能結(jié)構(gòu)如圖4所示，瓦斯災(zāi)害區(qū)域安全態(tài)勢(shì)預(yù)警系統(tǒng)界面如圖5所示，其他層級(jí)預(yù)警界面通過(guò)點(diǎn)擊地圖向下鉆取即可顯示。

圖4 區(qū)域安全態(tài)勢(shì)預(yù)警系統(tǒng)功能結(jié)構(gòu)Fig.4 Functional structure of early warning system of regional security situation

5 結(jié)論

(1) 根據(jù)我國(guó)煤礦監(jiān)管監(jiān)察行政管理模式，將預(yù)警區(qū)域劃分為全國(guó)區(qū)域、省(市)級(jí)區(qū)域、煤監(jiān)分局管轄區(qū)域、地市級(jí)行政區(qū)域4個(gè)區(qū)域?qū)蛹?jí)，并根據(jù)分級(jí)管控的需要將預(yù)警劃分為藍(lán)色、黃色、橙色、紅色4個(gè)等級(jí)，分別表示風(fēng)險(xiǎn)程度一般、較嚴(yán)重、嚴(yán)重、特別嚴(yán)重，嚴(yán)重程度依次加重。

(2) 從區(qū)域煤礦固有自然屬性、礦井布局及采掘條件、事故的時(shí)空規(guī)律、宏觀技術(shù)和經(jīng)濟(jì)政策、礦井重大隱患5個(gè)方面建立了瓦斯災(zāi)害區(qū)域安全態(tài)勢(shì)預(yù)警指標(biāo)體系，并構(gòu)建了基于層次分析法的預(yù)警模型，其層次結(jié)構(gòu)包括目標(biāo)層、5個(gè)準(zhǔn)則層和方案層，實(shí)現(xiàn)了多指標(biāo)的融合分析與決策。

圖5 瓦斯災(zāi)害區(qū)域安全態(tài)勢(shì)預(yù)警系統(tǒng)界面Fig.5 Interface of early warning system of regional security situation of gas disasters

(3) 設(shè)計(jì)、開(kāi)發(fā)了基于Hadoop和Spark大數(shù)據(jù)平臺(tái)的瓦斯災(zāi)害區(qū)域安全態(tài)勢(shì)預(yù)警系統(tǒng)，包括預(yù)警結(jié)果發(fā)布、預(yù)警指標(biāo)及模型設(shè)置、數(shù)據(jù)查詢、區(qū)域煤礦管理、系統(tǒng)設(shè)置等功能模塊，實(shí)現(xiàn)了數(shù)據(jù)的動(dòng)態(tài)采集與存儲(chǔ)、綜合分析和實(shí)時(shí)預(yù)警。

(4) 下一步需要研究預(yù)警指標(biāo)優(yōu)化方法及其權(quán)重自動(dòng)確定方法，以實(shí)現(xiàn)模型的自動(dòng)分析和動(dòng)態(tài)更新，同時(shí)整個(gè)預(yù)警技術(shù)需要結(jié)合工程實(shí)際進(jìn)行應(yīng)用、完善。