煤礦聯(lián)網(wǎng)數(shù)據(jù)分析模型設(shè)計(jì)與實(shí)現(xiàn)

陳 清

（中煤科工集團(tuán)重慶研究院有限公司，重慶 400039）

煤炭是我國(guó)最重要的基礎(chǔ)能源，2020年我國(guó)煤炭占一次能源消費(fèi)比例57%左右，我國(guó)仍然是以煤炭為主導(dǎo)能源[1]，但我國(guó)的煤礦開采條件復(fù)雜，災(zāi)害威脅嚴(yán)重，煤礦事故繁發(fā)[2]。隨著網(wǎng)絡(luò)技術(shù)和信息技術(shù)的發(fā)展，煤礦企業(yè)都安裝了安全監(jiān)控系統(tǒng)與人員定位系統(tǒng)，隨著國(guó)家對(duì)政府安監(jiān)信息化的不斷投入，全國(guó)主要產(chǎn)煤省份已完成安全監(jiān)控系統(tǒng)和人員定系統(tǒng)聯(lián)網(wǎng)，初步實(shí)現(xiàn)了數(shù)據(jù)“看得見(jiàn)”的目標(biāo)，為企業(yè)自身安全管理和政府遠(yuǎn)程監(jiān)管監(jiān)察奠定了基礎(chǔ)[3-5]。但是這些聯(lián)網(wǎng)數(shù)據(jù)主要用來(lái)進(jìn)行數(shù)據(jù)展示，沒(méi)有進(jìn)行深入挖掘分析利用，數(shù)據(jù)利用率偏低，只是解決了數(shù)據(jù)“有無(wú)”的問(wèn)題，未解決數(shù)據(jù)有用、有效的問(wèn)題，為上級(jí)監(jiān)管部門提供的參考有限。目前全國(guó)大部分煤礦監(jiān)管聯(lián)網(wǎng)平臺(tái)存在以下問(wèn)題：

1）數(shù)據(jù)利用率低。大部分煤礦聯(lián)網(wǎng)數(shù)據(jù)主要用于實(shí)時(shí)數(shù)據(jù)展示以及歷史數(shù)據(jù)查詢，數(shù)據(jù)大部分時(shí)間存儲(chǔ)于數(shù)據(jù)庫(kù)中，只有在數(shù)據(jù)需要展示的時(shí)候才會(huì)被調(diào)用，這種數(shù)據(jù)利用模式以數(shù)據(jù)被動(dòng)使用為主，利用率低，未能發(fā)揮數(shù)據(jù)的應(yīng)有作用。

2）關(guān)鍵數(shù)據(jù)不突出。煤礦監(jiān)管部門對(duì)煤礦聯(lián)網(wǎng)數(shù)據(jù)關(guān)注點(diǎn)主要集中在少量關(guān)鍵數(shù)據(jù)上，例如主要關(guān)注安全監(jiān)控系統(tǒng)歷史報(bào)警數(shù)據(jù)以及井下有無(wú)帶班領(lǐng)導(dǎo)，對(duì)于聯(lián)網(wǎng)數(shù)據(jù)中其他可能存在較大價(jià)值的數(shù)據(jù)關(guān)注度較低。同時(shí)聯(lián)網(wǎng)平臺(tái)對(duì)于聯(lián)網(wǎng)數(shù)據(jù)中的關(guān)鍵數(shù)據(jù)挖掘分析力度不夠，未能及時(shí)從海量數(shù)據(jù)中分析出有價(jià)值的數(shù)據(jù)，并將這些關(guān)鍵數(shù)據(jù)推送給監(jiān)管人員以輔助其監(jiān)管工作。

3）數(shù)據(jù)關(guān)聯(lián)不強(qiáng)。煤礦聯(lián)網(wǎng)數(shù)據(jù)基本都是單獨(dú)上傳與存儲(chǔ)的，未能將數(shù)據(jù)之間可能存在的關(guān)聯(lián)關(guān)系進(jìn)行有效梳理與利用。

目前，一些學(xué)者開展了相關(guān)方面研究[6-7]，這些研究主要集中在瓦斯監(jiān)測(cè)數(shù)據(jù)自身處理上，沒(méi)有從海量數(shù)據(jù)挖掘分析的角度對(duì)煤礦監(jiān)測(cè)數(shù)據(jù)進(jìn)行研究。因此，提出一套煤礦安全監(jiān)控和人員定位聯(lián)網(wǎng)監(jiān)測(cè)大數(shù)據(jù)分析系統(tǒng)，對(duì)海量的聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行挖掘分析，找到價(jià)值較高的數(shù)據(jù)，輔助煤礦排除存在的安全隱患，保障煤礦安全生產(chǎn)，同時(shí)也有助于政府監(jiān)管部門建立智能化監(jiān)管模式。

1 聯(lián)網(wǎng)數(shù)據(jù)

主要針對(duì)煤礦安全監(jiān)控系統(tǒng)和人員定位系統(tǒng)的聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行挖掘分析。

1）安全監(jiān)控系統(tǒng)聯(lián)網(wǎng)數(shù)據(jù)。主要包括監(jiān)測(cè)點(diǎn)實(shí)時(shí)數(shù)據(jù)、報(bào)警數(shù)據(jù)、模擬量分鐘統(tǒng)計(jì)數(shù)據(jù)、設(shè)備調(diào)校數(shù)據(jù)和設(shè)備運(yùn)行記錄數(shù)據(jù)等。監(jiān)測(cè)點(diǎn)實(shí)時(shí)數(shù)據(jù)更新頻率為10～30 s左右，一般情況下數(shù)據(jù)變化幅度不大。其余數(shù)據(jù)的更新頻率較長(zhǎng)，報(bào)警數(shù)據(jù)和設(shè)備運(yùn)行記錄數(shù)據(jù)的更新頻率不固定，會(huì)不定期產(chǎn)生數(shù)據(jù)。

2）人員定位系統(tǒng)聯(lián)網(wǎng)數(shù)據(jù)。主要包括入井人員基本信息、井下人員實(shí)時(shí)位置數(shù)據(jù)、人員活動(dòng)軌跡數(shù)據(jù)、人員出入井記錄以及人員歷史異常數(shù)據(jù)等。人員基本信息、人員出入井記錄和人員歷史異常數(shù)據(jù)不定期更新，井下人員實(shí)時(shí)位置數(shù)據(jù)更新頻率為1 min左右，由于人員活動(dòng)軌跡數(shù)據(jù)的數(shù)據(jù)量大，因此它的更新頻率為5 min。

2 數(shù)據(jù)分析模型

對(duì)煤礦聯(lián)網(wǎng)監(jiān)測(cè)數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗后，就能夠進(jìn)行數(shù)據(jù)挖掘分析[6-7]。煤礦聯(lián)網(wǎng)監(jiān)測(cè)大數(shù)據(jù)分析系統(tǒng)主要根據(jù)聯(lián)網(wǎng)數(shù)據(jù)內(nèi)容，分為安全監(jiān)控?cái)?shù)據(jù)分析和人員定位數(shù)據(jù)分析，共研究了瓦斯微小波動(dòng)分析、瓦斯偏離均值分析、瓦斯上升趨勢(shì)分析、疲勞作業(yè)分析和軌跡相似分析等5種數(shù)據(jù)分析模型[8]，數(shù)據(jù)分析模型如圖。

圖1 數(shù)據(jù)分析模型Fig.1 Data analysis model

2.1 安全監(jiān)控?cái)?shù)據(jù)分析模型

2.1.1 瓦斯微小波動(dòng)分析

依據(jù)《煤礦安全規(guī)程》、AQ 1029—2019煤礦安全監(jiān)控系統(tǒng)及檢測(cè)儀器使用管理規(guī)范（以下簡(jiǎn)稱AQ 1029—2019）等規(guī)定，監(jiān)控系統(tǒng)設(shè)備需要定期進(jìn)行調(diào)校，甲烷傳感器每15 d進(jìn)行1次風(fēng)電閉鎖測(cè)試。

如果上傳的瓦斯傳感器監(jiān)測(cè)值長(zhǎng)期不發(fā)生變化或者變化幅度很小，那么這種情況可能是瓦斯傳感器故障或者人為因素引起。因此，站在監(jiān)管的角度必須排查出這類數(shù)據(jù)。

采用多時(shí)間窗微小波動(dòng)識(shí)別方法，即通過(guò)對(duì)瓦斯?jié)舛葰v史數(shù)據(jù)分析，并考慮到傳感器測(cè)量精度，發(fā)現(xiàn)瓦斯?jié)舛炔▌?dòng)的范圍處于0～0.02時(shí)基本可判定瓦斯處于微小波動(dòng)范圍，以此為標(biāo)準(zhǔn)，分析最近3、7、15 d等時(shí)間窗內(nèi)數(shù)據(jù)變化情況。

2.1.2 瓦斯偏離均值分析

在外界環(huán)境未發(fā)生明顯變化的情況下，瓦斯監(jiān)測(cè)值一般在固定的監(jiān)測(cè)值上下波動(dòng)且波動(dòng)幅度較小，瓦斯偏離均值同樣采用多時(shí)間窗偏離均值分析方法，分析最近1、3、7 d均值偏離情況。

瓦斯偏離均值分析的數(shù)據(jù)分析方法采用瓦斯分鐘統(tǒng)計(jì)數(shù)據(jù)進(jìn)行分析，主要利用最近5 min的平均值與指定時(shí)間窗的平均值之間的差值，瓦斯分鐘統(tǒng)計(jì)數(shù)據(jù)包含信息見(jiàn)表1。

表1 瓦斯分鐘統(tǒng)計(jì)數(shù)據(jù)格式Table 1 Gas minute statistics data format

以計(jì)算偏離3 d均值為例說(shuō)明具體計(jì)算方法：①計(jì)算出3 d均值，計(jì)算方法為3 d內(nèi)的所有分鐘數(shù)據(jù)的平均值v1；②計(jì)算出5 min內(nèi)的平均值v2；③計(jì)算出v2減v1的差值dv；④保存dv大于0的記錄。

根據(jù)模型訓(xùn)練結(jié)果，煤礦監(jiān)管部門將重點(diǎn)關(guān)注dv大于0.2的瓦斯監(jiān)測(cè)點(diǎn)。

2.1.3 瓦斯上升趨勢(shì)分析

瓦斯上升趨勢(shì)分析的目的是挖掘出一段時(shí)間內(nèi)處于緩慢上升趨勢(shì)，但是監(jiān)測(cè)值小于報(bào)警門限的瓦斯監(jiān)測(cè)點(diǎn)。

2019年6月5日5時(shí)10分，重慶天弘礦業(yè)有限責(zé)任公司鹽井一礦井下21403風(fēng)巷C3-4綜合掘進(jìn)工作面發(fā)生1起煤與瓦斯突出事故，造成1人死亡。通過(guò)分析該工作面的甲烷傳感器“21403C3-4風(fēng)巷回風(fēng)CH4”在事故發(fā)生時(shí)的監(jiān)測(cè)曲線（圖略）和在事故發(fā)生前15 d左右的監(jiān)測(cè)曲線（圖略）可知，該瓦斯監(jiān)測(cè)點(diǎn)的報(bào)警門限已設(shè)置為0.9，該瓦斯監(jiān)測(cè)點(diǎn)的監(jiān)測(cè)值在事故前15 d的監(jiān)測(cè)值雖然未超過(guò)報(bào)警門限，但是監(jiān)測(cè)值總體呈現(xiàn)上升趨勢(shì)，該監(jiān)測(cè)點(diǎn)事故發(fā)生前15 d的每日瓦斯體積分?jǐn)?shù)平均值基本呈遞增趨勢(shì)，監(jiān)測(cè)值逐日統(tǒng)計(jì)見(jiàn)表2。

表2 監(jiān)測(cè)值逐日統(tǒng)計(jì)Table 2 Daily statistics of monitoring value

根據(jù)案例分析以及模型訓(xùn)練結(jié)果，瓦斯上升趨勢(shì)分析方法如下：

1）分別計(jì)算最近15 d的瓦斯體積分?jǐn)?shù)的每日均值、每2 d均值和每3 d均值（調(diào)校數(shù)據(jù)除外）。

2）如果都滿足下列3個(gè)條件，那么就判定該點(diǎn)處于上升趨勢(shì)：①至少2/3的每日均值是遞增；②至少3/4的每2 d均值是遞增；③后3 d均值大于前3 d均值。

2.2 人員定位數(shù)據(jù)分析模型

2.2.1 疲勞作業(yè)分析

疲勞會(huì)造成人的警覺(jué)性降低、注意力和記憶力水平下降，進(jìn)而在井下作業(yè)過(guò)程中易發(fā)生“錯(cuò)、忘、漏”事件[9]，因此，疲勞是導(dǎo)致井下作業(yè)人為差錯(cuò)的重要原因。根據(jù)煤礦井下作業(yè)人員的實(shí)際作業(yè)情況，人員健康狀態(tài)、排班制度、人員崗位安排以及睡眠狀況為煤礦的主要疲勞致因。特別是針對(duì)煤礦采煤隊(duì)和掘進(jìn)隊(duì)，連續(xù)作業(yè)時(shí)長(zhǎng)、夜班等因素將直接反映煤礦人員疲勞狀況[10-12]。

可以用煤礦人員疲勞指數(shù)來(lái)衡量煤礦人員疲勞狀況。煤礦人員疲勞指數(shù)F采用加權(quán)平均方法來(lái)計(jì)算，煤礦人員疲勞指數(shù)構(gòu)成及權(quán)重見(jiàn)表3。

表3 煤礦人員疲勞指數(shù)構(gòu)成及權(quán)重Table 3 The composition and weight of the fatigue indexex of coal mine personnel

1）超時(shí)指數(shù)F1。統(tǒng)計(jì)煤礦作業(yè)人員最近30 d入井時(shí)長(zhǎng)班次占比，設(shè)入井時(shí)長(zhǎng)10～12 h、12～14 h、超過(guò)14 h的班次占比分別為a1、b1、c1，根據(jù)式（1）計(jì)算超時(shí)指數(shù)F1=0.2f（a1）+0.3f（b1）+0.5f（c1）。

式中：x分別為a1、b1、c1。

2）2班作業(yè)間隔指數(shù)F2。設(shè)煤礦作業(yè)人員最近30 d 2班作業(yè)時(shí)間間隔小于12 h的次數(shù)占比為a2，根據(jù)式（2）計(jì)算2班作業(yè)間隔指數(shù)F2=f（a2）。

3）夜班指數(shù)F3。設(shè)煤礦作業(yè)人員最近30 d夜班的占比為a3，根據(jù)式（3）計(jì)算夜班指數(shù)F3=f（a3）。

4）連續(xù)作業(yè)指數(shù)F4。設(shè)煤礦最近30 d連續(xù)作業(yè)時(shí)間最大的天數(shù)與30 d的比例為a4，根據(jù)式（4）計(jì)算連續(xù)作業(yè)指數(shù)F4=f（a4）。

2.2.2 軌跡相似分析

通過(guò)對(duì)員工和帶班領(lǐng)導(dǎo)的軌跡數(shù)據(jù)進(jìn)行相似性分析，判斷帶班領(lǐng)導(dǎo)是否存在代打卡情況?？筛鶕?jù)出入井時(shí)間和經(jīng)過(guò)讀卡器時(shí)間進(jìn)行比對(duì)分析，計(jì)算出人員軌跡相似度。軌跡相似分析流程如圖2。

圖2 軌跡相似分析流程Fig.2 Analysis process of trajectory similarity algorithm

具體步驟如下：①篩選出指定日期的全礦所有的出勤人員信息以及他們的軌跡數(shù)據(jù)；②獲取當(dāng)日出勤人員列表和當(dāng)日帶班領(lǐng)導(dǎo)列表；③遍歷當(dāng)日帶班領(lǐng)導(dǎo)，將每名領(lǐng)導(dǎo)的軌跡數(shù)據(jù)與每名員工的軌跡數(shù)據(jù)進(jìn)行對(duì)比分析，如果2人的入井時(shí)間相近（5 min以內(nèi)）且有85%的時(shí)間段是在相同地點(diǎn)，那么就判定2個(gè)人的軌跡相似；④保存所有軌跡相似的記錄。

3 系統(tǒng)功能設(shè)計(jì)與實(shí)現(xiàn)

煤礦聯(lián)網(wǎng)監(jiān)測(cè)大數(shù)據(jù)分析系統(tǒng)采用B/S結(jié)構(gòu)開發(fā)模式，以.NET為基礎(chǔ)開發(fā)平臺(tái)，利用C#作為開發(fā)語(yǔ)言，采用ASP.NET MVC4+Html5+jQuery作為開發(fā)框架，以Microsoft SQL Server 2016數(shù)據(jù)庫(kù)作為數(shù)據(jù)存儲(chǔ)系統(tǒng)。

本系統(tǒng)采用經(jīng)典的3層架構(gòu)，包括數(shù)據(jù)訪問(wèn)層、業(yè)務(wù)邏輯層和表現(xiàn)層。根據(jù)5種數(shù)據(jù)分析模型，本系統(tǒng)包含綜合數(shù)據(jù)看板、瓦斯專項(xiàng)分析模塊和人員專項(xiàng)分析模塊等功能。

1）綜合數(shù)據(jù)看板。針對(duì)數(shù)據(jù)分析模型的實(shí)時(shí)分析結(jié)果，采用關(guān)鍵指標(biāo)展示、統(tǒng)計(jì)表格以及趨勢(shì)柱圖的方式，為監(jiān)管人員呈現(xiàn)綜合數(shù)據(jù)看板，使監(jiān)管人員能夠快速了解整個(gè)監(jiān)管區(qū)域內(nèi)的煤礦異常數(shù)據(jù)情況，能夠從宏觀層面感知轄區(qū)的煤礦安全態(tài)勢(shì)。

2）瓦斯專項(xiàng)分析。根據(jù)煤礦安全監(jiān)控系統(tǒng)傳感器類型以及安裝地址類型，重點(diǎn)分析瓦斯傳感器在隅角、工作面、進(jìn)風(fēng)、回風(fēng)、磧頭等關(guān)鍵位置的監(jiān)測(cè)值分布特征，利用Apache Echarts開源技術(shù)，采用散點(diǎn)圖、柱圖和南丁格爾玫瑰圖等可視化手段形象展現(xiàn)瓦斯大數(shù)據(jù)分析結(jié)果[13]。

3）人員專項(xiàng)分析。以人員定位大數(shù)據(jù)分析結(jié)果為基礎(chǔ)，采用面積圖、曲線、柱圖和條形圖等方式，向監(jiān)管人員直觀展現(xiàn)轄區(qū)煤礦井下人員情況、領(lǐng)導(dǎo)帶班情況和井下人員疲勞指數(shù)等信息。

煤礦聯(lián)網(wǎng)監(jiān)測(cè)大數(shù)據(jù)分析系統(tǒng)作為安徽煤礦安全監(jiān)察局煤礦事故風(fēng)險(xiǎn)分析平臺(tái)的1個(gè)子系統(tǒng)在現(xiàn)場(chǎng)部署應(yīng)用。通過(guò)現(xiàn)場(chǎng)應(yīng)用表明，自從煤礦聯(lián)網(wǎng)監(jiān)測(cè)大數(shù)據(jù)分析系統(tǒng)部署應(yīng)用之后，煤礦監(jiān)管人員不必對(duì)著一大堆聯(lián)網(wǎng)監(jiān)測(cè)數(shù)據(jù)無(wú)從下手。該系統(tǒng)能夠幫助煤礦監(jiān)管人員從海量聯(lián)網(wǎng)監(jiān)測(cè)數(shù)據(jù)中迅速鎖定關(guān)鍵信息，從而提高了煤礦監(jiān)管效率。

4 結(jié) 語(yǔ)

提出的瓦斯微小波動(dòng)分析模型、瓦斯偏離均值分析模型、瓦斯上升趨勢(shì)分析模型、疲勞作業(yè)分析模型和軌跡相似分析模型，是利用大數(shù)據(jù)分析技術(shù)，在海量煤礦聯(lián)網(wǎng)監(jiān)測(cè)數(shù)據(jù)中進(jìn)行數(shù)據(jù)挖掘分析，找到價(jià)值高的數(shù)據(jù)，并在煤礦遠(yuǎn)程監(jiān)管監(jiān)察端搭建大數(shù)據(jù)分析系統(tǒng)，為煤礦遠(yuǎn)程監(jiān)管監(jiān)察提供數(shù)據(jù)“有用”、“有效”的數(shù)據(jù)挖掘分析結(jié)果，促進(jìn)煤礦監(jiān)管部門早日實(shí)現(xiàn)智能化監(jiān)管目標(biāo)。