煤礦水害智能預(yù)警系統(tǒng)關(guān)鍵架構(gòu)及模型研究

邱 浩 ，李宏杰 ，李 文 ，李江華 ，杜明澤 ，姜 鵬

（1.煤炭科學(xué)技術(shù)研究院有限公司, 北京 100013；2.煤炭資源高效開(kāi)采與潔凈利用國(guó)家重點(diǎn)實(shí)驗(yàn)室, 北京 100013）

0 引 言

隨著國(guó)家層面煤礦智能化建設(shè)指導(dǎo)意見(jiàn)的提出，各省、市、自治區(qū)、大型煤炭企業(yè)相繼出臺(tái)了煤礦智能化、智慧礦山領(lǐng)域國(guó)家標(biāo)準(zhǔn)、地方標(biāo)準(zhǔn)、建設(shè)指南、評(píng)分辦法等政策性指導(dǎo)文件。上述政策性指導(dǎo)文件均將災(zāi)害精準(zhǔn)預(yù)警與風(fēng)險(xiǎn)管控作為重點(diǎn)建設(shè)與考評(píng)內(nèi)容。在水害預(yù)警研究領(lǐng)域，近年來(lái)國(guó)內(nèi)高等院校及科研院所在突水機(jī)理、評(píng)價(jià)方法、預(yù)警系統(tǒng)裝備與軟件研發(fā)方面開(kāi)展了一系列的研究工作[1-2]。武強(qiáng)等[3]提出基于GIS 的ANN 型、證據(jù)權(quán)型、Logistic回歸型的底板突水評(píng)價(jià)脆弱性指數(shù)法；白繼文等[4]開(kāi)展了深部巖體斷層滯后突水多場(chǎng)信息監(jiān)測(cè)預(yù)警研究；原富珍等[5]采用微震監(jiān)測(cè)技術(shù)監(jiān)測(cè)開(kāi)采過(guò)斷層區(qū)域底板巖體破裂情況，分析底板斷層圍巖導(dǎo)水裂隙帶發(fā)育規(guī)律；張平松等[6]采用分布式光纖傳感測(cè)試技術(shù)監(jiān)測(cè)斷層區(qū)域巖層變形，分析采動(dòng)引起斷層活化效應(yīng)特征；王經(jīng)明等[7]基于底板、陷落柱、采空區(qū)突水機(jī)理，提出突水判別標(biāo)準(zhǔn)和預(yù)警分級(jí)方法；姜福興等[8]將微震監(jiān)測(cè)技術(shù)應(yīng)用于煤礦突水監(jiān)測(cè)，分析隱伏構(gòu)造發(fā)育情況；尹尚先等[9]研究了水害監(jiān)測(cè)裝置布置方式和信息獲取方法，開(kāi)發(fā)了突水監(jiān)測(cè)預(yù)警系統(tǒng)；連會(huì)青等[10]基于采空區(qū)、頂?shù)装逋凰畧?chǎng)景提出突水判據(jù)，建立了相應(yīng)的水情監(jiān)測(cè)與水害風(fēng)險(xiǎn)預(yù)警平臺(tái)；許進(jìn)鵬等[11]研究了積水量與離層空間特別是與離層高度之間的關(guān)系，分析了積水量和離層高度對(duì)突水的預(yù)測(cè)預(yù)報(bào)作用；劉德民等[12]采用地球物理勘探手段進(jìn)行底板破壞深度監(jiān)測(cè)，提出礦井底板突水定性和定量預(yù)警準(zhǔn)則；王斌[13]基于層次分析法進(jìn)行礦井水害因素權(quán)重評(píng)價(jià)，開(kāi)發(fā)了煤礦頂板水害監(jiān)測(cè)系統(tǒng)；劉盛東等[14-15]采用并行電法儀進(jìn)行電場(chǎng)參數(shù)試驗(yàn)，分析滲流過(guò)程中電位、電流、視電阻率的時(shí)序特征并用于煤層底板水害實(shí)時(shí)監(jiān)測(cè)分析；魯晶津等[16-17]對(duì)含/導(dǎo)水構(gòu)造正演結(jié)果進(jìn)行三維電阻率反演成像，分析觀測(cè)系統(tǒng)、采集密度、模型參數(shù)等條件下的反演效果；靳德武、喬偉等[18-20]采用構(gòu)建了煤礦水害多源監(jiān)測(cè)大數(shù)據(jù)平臺(tái)，基于機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)底板水害微震-電法監(jiān)測(cè)預(yù)警；許延春等[21]提出了一種包括工作面開(kāi)采時(shí)間周期及工作面評(píng)價(jià)空間區(qū)域劃分的底板突水微震監(jiān)測(cè)預(yù)警方法。

從水害預(yù)警方面研究可以得出：不同學(xué)者研究手段、思路不同，但從宏觀角度均已建立了水害預(yù)警機(jī)理的統(tǒng)一認(rèn)識(shí)：基于水文地質(zhì)與力學(xué)等角度分析充水水源、通道、強(qiáng)度礦井充水條件，以水文地質(zhì)參數(shù)監(jiān)測(cè)、地球物理探測(cè)、監(jiān)測(cè)為主要技術(shù)手段獲取預(yù)警數(shù)據(jù)，根據(jù)不同種類水害預(yù)警問(wèn)題結(jié)合突水致災(zāi)機(jī)理提出水害預(yù)警指標(biāo)、判據(jù)及準(zhǔn)則。

通過(guò)水害預(yù)警系統(tǒng)發(fā)展趨勢(shì)分析可知，微震、電阻率、水文參數(shù)、力學(xué)參數(shù)、光纖光柵等水害實(shí)時(shí)監(jiān)測(cè)技術(shù)手段在頂?shù)装逅︻A(yù)測(cè)預(yù)警重要性逐步凸顯。受近年來(lái)政策背景支持，少數(shù)智能化建設(shè)示范礦井基于水害感知技術(shù)裝備與突水機(jī)理研究初步實(shí)現(xiàn)了水害智能分級(jí)預(yù)警，但國(guó)內(nèi)多數(shù)礦井仍未步入水害智能預(yù)警階段，水害預(yù)警系統(tǒng)建設(shè)的智能化、信息化水平較低，現(xiàn)有預(yù)警模型對(duì)水害實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)突水前兆信息挖掘不夠深入，難以支撐煤礦水害的精準(zhǔn)智能預(yù)警及決策。因此，針對(duì)國(guó)內(nèi)煤礦水害預(yù)警系統(tǒng)現(xiàn)狀與特點(diǎn)，分析構(gòu)建水害智能預(yù)警系統(tǒng)存在問(wèn)題，提出針對(duì)性強(qiáng)的水害預(yù)警科學(xué)技術(shù)架構(gòu)，形成穩(wěn)定可靠的智能預(yù)警模型，以此為基礎(chǔ)建設(shè)科學(xué)合理、技術(shù)可行、功能完備水害智能預(yù)警系統(tǒng)，對(duì)加快形成國(guó)內(nèi)礦井水害精準(zhǔn)智能預(yù)警與安全管控體系具有重要的科學(xué)意義和應(yīng)用價(jià)值。

1 水害智能預(yù)警系統(tǒng)建設(shè)存在的問(wèn)題

1.1 預(yù)警系統(tǒng)建設(shè)水平與數(shù)據(jù)接入標(biāo)準(zhǔn)不統(tǒng)一

國(guó)內(nèi)礦井經(jīng)過(guò)近年來(lái)的發(fā)展建設(shè)，已建立不同程度、規(guī)模的監(jiān)測(cè)預(yù)警系統(tǒng)，但是仍存在以下問(wèn)題：①國(guó)內(nèi)礦井水害預(yù)警系統(tǒng)發(fā)展不均衡，系統(tǒng)建設(shè)水平參差不齊，大部分礦井以水位、流量等單一或數(shù)個(gè)水文地質(zhì)參數(shù)為基礎(chǔ)數(shù)據(jù)進(jìn)行觀測(cè)，預(yù)警系統(tǒng)智能化水平仍較低；②部分國(guó)有煤礦配備了水文參數(shù)監(jiān)測(cè)及地球物理探測(cè)、監(jiān)測(cè)系統(tǒng)，也獲取了大量的數(shù)據(jù)，但對(duì)于海量數(shù)據(jù)的使用僅限于超限報(bào)警及定性處理，多源數(shù)據(jù)之間缺少關(guān)聯(lián)分析；③水害預(yù)警系統(tǒng)的智能化改造升級(jí)是很多煤礦亟待解決的問(wèn)題，經(jīng)過(guò)多年發(fā)展建設(shè)，國(guó)內(nèi)礦井安裝了種類多樣的水文參數(shù)監(jiān)測(cè)及地球物理探測(cè)、監(jiān)測(cè)系統(tǒng)，不同系統(tǒng)架構(gòu)、數(shù)據(jù)接口標(biāo)準(zhǔn)、技術(shù)指標(biāo)不同，這給煤礦水害預(yù)警系統(tǒng)的智能化改造升級(jí)帶來(lái)了困難。

1.2 水害大數(shù)據(jù)信息的分類與時(shí)空匹配管理復(fù)雜

水害大數(shù)據(jù)信息復(fù)雜多樣，既包含地質(zhì)資料數(shù)據(jù)、“三探”數(shù)據(jù)、基礎(chǔ)物性測(cè)試數(shù)據(jù)、數(shù)值模擬計(jì)算數(shù)據(jù)、水害防治指標(biāo)數(shù)據(jù)等靜態(tài)數(shù)據(jù)信息，又包含水文參數(shù)監(jiān)測(cè)數(shù)據(jù)、微震監(jiān)測(cè)數(shù)據(jù)、電磁法監(jiān)測(cè)數(shù)據(jù)等時(shí)序動(dòng)態(tài)數(shù)據(jù)信息。由于基礎(chǔ)地質(zhì)、“三探”、數(shù)值模擬工作對(duì)象位置不同，基礎(chǔ)物性測(cè)試樣品來(lái)源不同，監(jiān)測(cè)傳感器布設(shè)地點(diǎn)不同，上述基礎(chǔ)靜態(tài)數(shù)據(jù)與時(shí)序動(dòng)態(tài)數(shù)據(jù)亦包含空間坐標(biāo)信息。將水害預(yù)警相關(guān)多源異構(gòu)大數(shù)據(jù)信息進(jìn)行合理分類，通過(guò)數(shù)據(jù)庫(kù)將水害預(yù)警相關(guān)結(jié)構(gòu)化與非結(jié)構(gòu)化的多源異構(gòu)數(shù)據(jù)信息進(jìn)行統(tǒng)一管理、清洗、時(shí)空匹配，是解決水害精準(zhǔn)智能預(yù)警問(wèn)題的數(shù)據(jù)基礎(chǔ)。

1.3 水害大數(shù)據(jù)信息的智能處理分析不足

目前，受限于煤礦智能化建設(shè)發(fā)展水平，大多數(shù)礦井針對(duì)水位、水壓、水溫等水文參數(shù)進(jìn)行監(jiān)測(cè)，通過(guò)對(duì)水文參數(shù)設(shè)定經(jīng)驗(yàn)閾值實(shí)現(xiàn)水害的初判報(bào)警；部分礦井基于不同類型水害突水致災(zāi)機(jī)理建立突水模型，提出突水判據(jù)及指標(biāo)，具體指標(biāo)判據(jù)主要包含基于力學(xué)的頂板采空區(qū)抗剪、抗拉破壞力學(xué)判據(jù)，基于力學(xué)與《煤礦防治水細(xì)則》融合的鄰近采空區(qū)隔水煤（巖）柱破壞突水判據(jù)、基于《建筑物、水體、鐵路及主要井巷煤柱留設(shè)與壓煤開(kāi)采規(guī)范》與《煤礦防治水細(xì)則》的頂?shù)装濉?gòu)造突水判據(jù)，通過(guò)對(duì)力學(xué)、富水性、地質(zhì)參數(shù)等數(shù)據(jù)的關(guān)聯(lián)歸類、統(tǒng)計(jì)分析獲取突水前兆信息實(shí)現(xiàn)水害的指標(biāo)預(yù)警；少數(shù)智能化建設(shè)示范礦井基于海量多源動(dòng)態(tài)監(jiān)測(cè)、靜態(tài)探測(cè)數(shù)據(jù)，采用人工智能算法進(jìn)行信息挖掘及聚類分析，實(shí)現(xiàn)煤礦突水危險(xiǎn)性的分區(qū)、分級(jí)預(yù)警。國(guó)內(nèi)多數(shù)煤礦水害預(yù)警尚未步入多源大數(shù)據(jù)智能預(yù)警階段，由于煤礦水文地質(zhì)條件的復(fù)雜性，水文參數(shù)經(jīng)驗(yàn)閾值報(bào)警與突水指標(biāo)預(yù)警結(jié)果主觀經(jīng)驗(yàn)性較強(qiáng)，在準(zhǔn)確性、有效性方面與煤礦安全高效開(kāi)采要求還存在較大差距?；谌斯ぶ悄茴愃惴ㄟM(jìn)行信息挖掘及聚類的方法在無(wú)人駕駛、模式識(shí)別、圖像識(shí)別等非煤領(lǐng)域較為成熟，在煤礦水害預(yù)警系統(tǒng)應(yīng)用還處于初級(jí)階段。

1.4 預(yù)警及智能決策信息發(fā)布的時(shí)效性差

影響水害預(yù)警及決策信息發(fā)布時(shí)效性的因素有2 點(diǎn)：一是信息傳輸?shù)臅r(shí)效性，二是智能計(jì)算的時(shí)效性?；诟呔鹊厍蛭锢硖綔y(cè)的透明礦井、災(zāi)害預(yù)警等應(yīng)用場(chǎng)景對(duì)于信息傳輸、決策執(zhí)行延時(shí)要求達(dá)到秒-毫秒級(jí)，特別是基于實(shí)時(shí)多源動(dòng)態(tài)信息的三維模型動(dòng)態(tài)修正、預(yù)警決策信息的實(shí)時(shí)計(jì)算發(fā)布方面，對(duì)海量數(shù)據(jù)的傳輸效率提出極高的要求，同時(shí)，海量多源異構(gòu)水害大數(shù)據(jù)信息的智能計(jì)算效率將影響智能預(yù)警模型的更新周期，進(jìn)而影響預(yù)警精度。

2 技術(shù)架構(gòu)分析

為合理建設(shè)煤礦水害預(yù)警與智能決策系統(tǒng)，有效解決上述水害預(yù)警存在問(wèn)題，梳理了煤礦水害預(yù)警工作流程，從預(yù)警系統(tǒng)資源整合及數(shù)據(jù)驅(qū)動(dòng)角度出發(fā)，提出普適性的煤礦水害智能預(yù)警系統(tǒng)技術(shù)架構(gòu)，整個(gè)系統(tǒng)技術(shù)架構(gòu)如圖1 所示。

圖1 煤礦水害智能預(yù)警系統(tǒng)技術(shù)架構(gòu)Fig.1 Technical architecture of coal mine water hazard intelligent early warning system

系統(tǒng)自下向上分別由資源層、采集層、傳輸層、數(shù)據(jù)存儲(chǔ)層、數(shù)據(jù)處理層、應(yīng)用層、預(yù)警決策層構(gòu)成，集成基礎(chǔ)設(shè)備、智能算法、軟件應(yīng)用服務(wù)，為煤礦水害預(yù)警系統(tǒng)建設(shè)提供一體化的支撐。

1）資源層包含信息采集資源、存儲(chǔ)資源、計(jì)算資源，為煤礦水害大數(shù)據(jù)信息采集與科學(xué)計(jì)算提供必要的硬件基礎(chǔ)。信息采集資源包括水害監(jiān)測(cè)傳感器、主分站、“三探”裝備、基礎(chǔ)物性測(cè)試設(shè)備，為數(shù)據(jù)層與用戶提供數(shù)據(jù)采集手段；存儲(chǔ)資源包含礦山數(shù)據(jù)中心與存儲(chǔ)介質(zhì)，為數(shù)據(jù)存儲(chǔ)提供硬件基礎(chǔ)；計(jì)算資源包括云服務(wù)器、計(jì)算工作站、數(shù)據(jù)處理計(jì)算仿真軟件，為遠(yuǎn)程服務(wù)及科學(xué)計(jì)算提供高性能計(jì)算與網(wǎng)絡(luò)服務(wù)資源。

2）采集層包含靜態(tài)本源信息采集與動(dòng)態(tài)監(jiān)測(cè)信息采集，利用資源層信息采集資源對(duì)煤礦靜態(tài)本源信息及動(dòng)態(tài)監(jiān)測(cè)信息進(jìn)行高精度、連續(xù)采集，其中靜態(tài)本源信息包括煤礦基礎(chǔ)地質(zhì)資料、“三探”數(shù)據(jù)、煤巖體物性測(cè)試數(shù)據(jù)、物性響應(yīng)特征數(shù)值模擬數(shù)據(jù)等，為數(shù)據(jù)層靜態(tài)本源數(shù)據(jù)獲取提供技術(shù)支撐；動(dòng)態(tài)監(jiān)測(cè)信息采集包括各類監(jiān)測(cè)數(shù)據(jù)、監(jiān)測(cè)系統(tǒng)狀態(tài)數(shù)據(jù)、數(shù)據(jù)采集管理流程閉環(huán)信息及與煤礦信息采集相關(guān)系統(tǒng)信息，為數(shù)據(jù)層動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)的連續(xù)獲取提供來(lái)源與數(shù)據(jù)接口。

3）傳輸層為鏈接采集層與數(shù)據(jù)存儲(chǔ)層的橋梁，主要采用礦用有線、無(wú)線、4G/5G 網(wǎng)絡(luò)為煤礦大數(shù)據(jù)信息由采集層向數(shù)據(jù)存儲(chǔ)層傳輸提供可靠、穩(wěn)定、實(shí)時(shí)、高速的信息通道。

4）數(shù)據(jù)存儲(chǔ)層建立煤礦水害預(yù)警大數(shù)據(jù)信息數(shù)據(jù)庫(kù)管理系統(tǒng)，實(shí)現(xiàn)煤礦水害靜態(tài)本源信息、動(dòng)態(tài)監(jiān)測(cè)信息、數(shù)據(jù)庫(kù)管理信息的智能存儲(chǔ)、管理。在數(shù)據(jù)存儲(chǔ)層，由采集層經(jīng)傳輸層傳入的靜態(tài)本源信息，細(xì)化為水文地質(zhì)基礎(chǔ)信息、地球物理勘探信息、鉆探工程信息、采掘工程信息、水害分區(qū)信息、力學(xué)特征信息；動(dòng)態(tài)監(jiān)測(cè)信息具體包含水文監(jiān)測(cè)、微震監(jiān)測(cè)、電磁法監(jiān)測(cè)、應(yīng)力應(yīng)變監(jiān)測(cè)、光纖光柵監(jiān)測(cè)等數(shù)據(jù)；數(shù)據(jù)庫(kù)管理信息包含靜態(tài)本源與動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)的分類索引、時(shí)空坐標(biāo)信息、用戶管理信息、用戶權(quán)限信息、水害感知設(shè)備信息。數(shù)據(jù)存儲(chǔ)層采用流程化控制管理節(jié)點(diǎn)，水害大數(shù)據(jù)全部電子信息化管理，為實(shí)時(shí)調(diào)用及融合計(jì)算提供數(shù)據(jù)基礎(chǔ)，實(shí)現(xiàn)水害大數(shù)據(jù)信息的高效管理。

5）數(shù)據(jù)處理層根據(jù)具體系統(tǒng)需求預(yù)處理底層數(shù)據(jù)格式，劃分為基礎(chǔ)地質(zhì)模型數(shù)據(jù)處理、數(shù)值計(jì)算模擬及信息融合數(shù)據(jù)處理3 個(gè)部分。基礎(chǔ)地質(zhì)模型數(shù)據(jù)處理用于解決模型底層二、三維地質(zhì)模型構(gòu)建以及根據(jù)局部采掘、地質(zhì)、災(zāi)害動(dòng)態(tài)信息不斷修正地質(zhì)模型進(jìn)行展示的問(wèn)題，包含模型構(gòu)建算法、數(shù)據(jù)結(jié)構(gòu)算法、拓?fù)潢P(guān)系、模型數(shù)據(jù)重建、模型動(dòng)態(tài)修正等數(shù)據(jù)處理算法；數(shù)值模擬主要為各類數(shù)值模型的正演計(jì)算、特征數(shù)據(jù)獲取工作提供算法支持，包含有限元、有限差分、積分方程、離散元、邊界元等算法；信息融合數(shù)據(jù)處理用于解決應(yīng)用層災(zāi)害數(shù)據(jù)科學(xué)計(jì)算問(wèn)題，實(shí)現(xiàn)靜態(tài)本源與動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)的深度融合和智能計(jì)算，并為其提供算法支持，包含假設(shè)檢驗(yàn)、濾波跟蹤、聚類分析、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)等智能算法。

6）應(yīng)用層建立煤礦水害智能預(yù)警軟件系統(tǒng)的應(yīng)用場(chǎng)景，系統(tǒng)基于突水機(jī)理與感知技術(shù)裝備，以海量數(shù)據(jù)的智能處理作為支撐，結(jié)合國(guó)家、地方煤礦智能化建設(shè)規(guī)范，逐級(jí)逐次開(kāi)展煤礦水害監(jiān)測(cè)參數(shù)預(yù)警、指標(biāo)分級(jí)預(yù)警、智能模型預(yù)警?；A(chǔ)監(jiān)測(cè)參數(shù)預(yù)警以礦井水文參數(shù)實(shí)時(shí)監(jiān)測(cè)為主，通過(guò)對(duì)監(jiān)測(cè)參數(shù)進(jìn)行分解濾波、插補(bǔ)重建實(shí)現(xiàn)水害信息的初判報(bào)警；指標(biāo)分級(jí)預(yù)警通過(guò)對(duì)煤礦水害信息進(jìn)行辨識(shí)、歸類，結(jié)合規(guī)程規(guī)范及突水力學(xué)模型實(shí)現(xiàn)各類指標(biāo)的計(jì)算及確定突水判據(jù)；智能模型預(yù)警基于海量多源水害預(yù)警數(shù)據(jù)信息，建立智能預(yù)警模型，采用深度學(xué)習(xí)人工智能算法對(duì)模型進(jìn)行訓(xùn)練、測(cè)試與驗(yàn)證，對(duì)突水風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)預(yù)警。

7）預(yù)警決策層建立煤礦水害預(yù)警信息發(fā)布與智能決策系統(tǒng)，系統(tǒng)基于應(yīng)用層科學(xué)計(jì)算預(yù)警結(jié)果，實(shí)現(xiàn)煤礦水害預(yù)警信息的智能決策與信息發(fā)布。智能決策系統(tǒng)核心功能在于實(shí)現(xiàn)智能預(yù)警成果分析與可視化，并輔助進(jìn)行預(yù)警模型的自我診斷及提出預(yù)警決策。信息發(fā)布通過(guò)定制服務(wù)，利用有線網(wǎng)、無(wú)線網(wǎng)向移動(dòng)端與PC 端實(shí)時(shí)推送發(fā)布預(yù)警信息。

3 軟件服務(wù)架構(gòu)分析

水害智能預(yù)警系統(tǒng)基于標(biāo)準(zhǔn)與規(guī)范化體系、運(yùn)行管理體系、安全保障體系規(guī)范，圖2 為水害智能預(yù)警平臺(tái)軟件服務(wù)架構(gòu)，采用Spring Cloud 微服務(wù)架構(gòu)模式，其為單一應(yīng)用程序劃分成一組小的服務(wù)，服務(wù)之間互相協(xié)調(diào)、配合，每個(gè)服務(wù)運(yùn)行在獨(dú)立的進(jìn)程中，服務(wù)與服務(wù)間采用RPC、HTTP 通信機(jī)制互相溝通。微服務(wù)架構(gòu)有以下特點(diǎn)：①?gòu)?fù)雜度可控，每一個(gè)微服務(wù)專注于單一功能，體積小、復(fù)雜度低，每個(gè)微服務(wù)可由一個(gè)小規(guī)模開(kāi)發(fā)團(tuán)隊(duì)完全掌控，易于保持高可維護(hù)性和開(kāi)發(fā)效率。②獨(dú)立部署：由于微服務(wù)具備獨(dú)立的運(yùn)行進(jìn)程，所以每個(gè)微服務(wù)可以獨(dú)立部署。當(dāng)某個(gè)微服務(wù)發(fā)生變更時(shí)無(wú)需編譯、部署整個(gè)應(yīng)用；具備可并行發(fā)布條件，使得發(fā)布更加高效。③技術(shù)選型靈活：微服務(wù)架構(gòu)下，技術(shù)選型是去中心化的。每個(gè)團(tuán)隊(duì)可以根據(jù)自身服務(wù)的需求和業(yè)務(wù)特色，自由選擇最適合的技術(shù)。④容錯(cuò)：當(dāng)某一組件發(fā)生故障時(shí)，在單一進(jìn)程的傳統(tǒng)架構(gòu)下，故障很有可能在進(jìn)程內(nèi)擴(kuò)散，形成應(yīng)用全局性的不可用。在微服務(wù)架構(gòu)下，故障會(huì)被隔離在單個(gè)服務(wù)中；其他服務(wù)可通過(guò)重試、平穩(wěn)退化等機(jī)制實(shí)現(xiàn)應(yīng)用層面的容錯(cuò)。⑤易于擴(kuò)展：每個(gè)服務(wù)可以根據(jù)實(shí)際需求獨(dú)立進(jìn)行擴(kuò)展。

圖2 水害智能預(yù)警平臺(tái)軟件服務(wù)架構(gòu)Fig.2 Software service architecture of water hazard intelligent warning platform

整個(gè)系統(tǒng)分為5 層，自下而上分別為基礎(chǔ)設(shè)施層、數(shù)據(jù)資源層、應(yīng)用支撐層、業(yè)務(wù)應(yīng)用層、用戶層，系統(tǒng)在各層遵循標(biāo)準(zhǔn)規(guī)范體系和安全防護(hù)體系。

1）基礎(chǔ)設(shè)施層主要為各層提供基礎(chǔ)設(shè)施支撐，主要包括云服務(wù)器、網(wǎng)絡(luò)設(shè)施、安全設(shè)施、FTP 服務(wù)、WebService 服務(wù)等。

2）數(shù)據(jù)資源層是應(yīng)用系統(tǒng)的數(shù)據(jù)基礎(chǔ)，它為應(yīng)用支撐層提供數(shù)據(jù)存儲(chǔ)服務(wù)，并最終為業(yè)務(wù)應(yīng)用層實(shí)現(xiàn)支撐。數(shù)據(jù)資源層主要分為結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)使用Redis 和MySQL 進(jìn)行存儲(chǔ)，非結(jié)構(gòu)化數(shù)據(jù)（文件、圖片等）使用FastDFS 進(jìn)行存儲(chǔ)。主要的業(yè)務(wù)應(yīng)用庫(kù)，包括大數(shù)據(jù)信息管理數(shù)據(jù)庫(kù)，礦井水害智能預(yù)警防控系統(tǒng)，服務(wù)端管理服務(wù)系統(tǒng)數(shù)據(jù)庫(kù)。

3）應(yīng)用支撐層為業(yè)務(wù)應(yīng)用層與數(shù)據(jù)資源層之間建立了統(tǒng)一的數(shù)據(jù)訪問(wèn)通道，為業(yè)務(wù)應(yīng)用提供應(yīng)用支撐服務(wù)，實(shí)現(xiàn)對(duì)不同數(shù)據(jù)庫(kù)的透明訪問(wèn)能力。應(yīng)用支撐層根據(jù)系統(tǒng)需要構(gòu)建不同應(yīng)用服務(wù)組件，主要包括GIS 服務(wù)組件、內(nèi)容管理組件、智能表單組件、消息處理組件、算法模型組件、搜索引擎組件、工作流引擎組件、服務(wù)總線等。

4）業(yè)務(wù)應(yīng)用層包括大數(shù)據(jù)信息管理系統(tǒng)、礦井水害智能預(yù)警防控系統(tǒng)、服務(wù)端管理服務(wù)系統(tǒng)以及支撐上述系統(tǒng)基本服務(wù)和應(yīng)用支撐平臺(tái)之間消息發(fā)送的接口。

5）用戶展現(xiàn)層為預(yù)警服務(wù)提供方、受服務(wù)方，分別對(duì)應(yīng)服務(wù)端和客戶端為服務(wù)對(duì)象提供大數(shù)據(jù)查詢及預(yù)警分析服務(wù)，信息發(fā)布主要包含PC、大屏展示及移動(dòng)端，通過(guò)HTML5 等具體手段形式進(jìn)行展示服務(wù)。

4 煤礦水害智能預(yù)警系統(tǒng)建設(shè)

基于煤礦水害智能預(yù)警系統(tǒng)技術(shù)與軟件服務(wù)架構(gòu)，圍繞前文所述技術(shù)問(wèn)題，從感知數(shù)據(jù)接入、數(shù)據(jù)時(shí)空匹配、預(yù)警模型開(kāi)發(fā)、預(yù)警信息發(fā)布4 個(gè)方面闡述煤礦水害智能預(yù)警系統(tǒng)建設(shè)技術(shù)思路。

4.1 感知數(shù)據(jù)接入

感知數(shù)據(jù)是實(shí)現(xiàn)煤礦水害精準(zhǔn)預(yù)警的基礎(chǔ)和前提，要實(shí)現(xiàn)煤礦水害精準(zhǔn)防控，必須先實(shí)現(xiàn)水害關(guān)鍵信息，特別水文地質(zhì)條件信息、采掘信息、突水前兆信息的高精度感知。水害感知數(shù)據(jù)的接入主要包含地質(zhì)勘探、水源識(shí)別、水位監(jiān)測(cè)、涌水量監(jiān)測(cè)、應(yīng)力監(jiān)測(cè)、微震監(jiān)測(cè)、電阻率監(jiān)測(cè)等方面，數(shù)據(jù)接入工作應(yīng)參照國(guó)家、地方標(biāo)準(zhǔn)，接入范圍力求全面、規(guī)范，同時(shí)應(yīng)根據(jù)不同礦井的技術(shù)裝備配置及建設(shè)條件優(yōu)先接入水害關(guān)鍵信息以平衡系統(tǒng)的經(jīng)濟(jì)性與實(shí)用性。圖3 為工作面底板水害預(yù)警系統(tǒng)數(shù)據(jù)感知示意，通過(guò)微震監(jiān)測(cè)手段感知工作面開(kāi)采底板破壞情況，通過(guò)工作面電阻率監(jiān)測(cè)感知底板承壓水導(dǎo)升情況，通過(guò)地表、井下水文參數(shù)傳感器感知突水風(fēng)險(xiǎn)，上述感知數(shù)據(jù)通過(guò)礦用通訊系統(tǒng)傳輸至地面服務(wù)器進(jìn)行統(tǒng)一存儲(chǔ)及管理。

圖3 工作面底板水害預(yù)警系統(tǒng)數(shù)據(jù)感知示意Fig.3 Schematic of data perception for water hazard warning system in working face floor

4.2 數(shù)據(jù)時(shí)空匹配

對(duì)水害多源異構(gòu)數(shù)據(jù)信息進(jìn)行歸類與時(shí)空匹配，以便于采用深度融合及智能計(jì)算方法進(jìn)行處理，是實(shí)現(xiàn)煤礦水害精準(zhǔn)智能預(yù)警的前提條件。基于前文所述靜態(tài)本源信息與動(dòng)態(tài)監(jiān)測(cè)信息分類，將接入的感知數(shù)據(jù)進(jìn)行時(shí)空匹配，形成數(shù)據(jù)表，對(duì)于靜態(tài)數(shù)據(jù)只需存儲(chǔ)數(shù)據(jù)的空間坐標(biāo)與特征數(shù)據(jù)，對(duì)于動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)需要同時(shí)存儲(chǔ)時(shí)間、空間坐標(biāo)與歸一化特征數(shù)據(jù)，對(duì)于微震監(jiān)測(cè)類的觸發(fā)式數(shù)據(jù)，首先根據(jù)震源定位算法確定空間坐標(biāo)，然后采用one-hot 編碼方法對(duì)觸發(fā)狀態(tài)進(jìn)行編碼，同時(shí)采用Z-score 標(biāo)準(zhǔn)化方法對(duì)微震事件能量進(jìn)行歸一化處理。表1 為工作面水害預(yù)警數(shù)據(jù)表示例，通過(guò)數(shù)據(jù)庫(kù)對(duì)多源水害監(jiān)測(cè)數(shù)據(jù)進(jìn)行存儲(chǔ)管理。

表1 典型工作面水害預(yù)警感知數(shù)據(jù)Table 1 Water hazard warning perception data of typical working face

4.3 預(yù)警模型開(kāi)發(fā)

預(yù)警模型的構(gòu)建是實(shí)現(xiàn)水害預(yù)警的核心問(wèn)題，需在明晰不同水害類型突水機(jī)制的基礎(chǔ)上獲取多源突水前兆感知數(shù)據(jù)，構(gòu)建基于水文地質(zhì)與數(shù)學(xué)物理方法的智能預(yù)警模型，設(shè)計(jì)煤礦水害智能預(yù)警系統(tǒng)應(yīng)用場(chǎng)景。預(yù)警的手段主要分為3 類：第一類為參數(shù)初判報(bào)警，設(shè)定閾值，當(dāng)觀測(cè)值達(dá)到或超過(guò)限定閾值則發(fā)出預(yù)警；第二類為指標(biāo)預(yù)警，在明晰水害致災(zāi)機(jī)理的基礎(chǔ)上，分析不同類型水害的突水模式，從水文地質(zhì)、開(kāi)采、力學(xué)角度構(gòu)建指標(biāo)體系并提出突水判據(jù)，實(shí)現(xiàn)基于水害監(jiān)測(cè)時(shí)空數(shù)據(jù)的指標(biāo)預(yù)警；第三類為智能模型預(yù)警，在實(shí)際地層結(jié)構(gòu)中，水害威脅程度受多因素影響，無(wú)法直接定量預(yù)測(cè)出水量與定量評(píng)價(jià)突水風(fēng)險(xiǎn)，可以借助非確定性的學(xué)習(xí)算法，通過(guò)大量感知數(shù)據(jù)的訓(xùn)練測(cè)試驗(yàn)證來(lái)尋找突水預(yù)警內(nèi)在規(guī)律，該類方法包含層次分析、灰色理論以及以機(jī)器學(xué)習(xí)、深度學(xué)習(xí)為代表的人工智能類算法。在預(yù)警系統(tǒng)建設(shè)過(guò)程中，需根據(jù)礦井的感知技術(shù)裝備配置及數(shù)據(jù)條件選用適用的預(yù)警方法，既需要礦井大數(shù)據(jù)的融合分析與智能計(jì)算，也需要盡可能明確突水致災(zāi)機(jī)理與預(yù)警判據(jù)，通過(guò)以上方法進(jìn)行水害預(yù)警客觀且精度較高，避免判斷結(jié)果依賴人為經(jīng)驗(yàn)。在水害監(jiān)測(cè)范圍內(nèi)，突水風(fēng)險(xiǎn)的分級(jí)標(biāo)準(zhǔn)與數(shù)據(jù)集的構(gòu)建，應(yīng)根據(jù)探測(cè)區(qū)域局部地質(zhì)條件與探測(cè)范圍煤巖體富水性實(shí)際情況確定。以工作面底板水害深度學(xué)習(xí)預(yù)警問(wèn)題為例，可以采用微震、電阻率等監(jiān)測(cè)手段推斷底板破壞與承壓水導(dǎo)升情況，對(duì)微震、電阻率數(shù)據(jù)時(shí)空匹配與特征提取，在工作面開(kāi)采初期，可將井下電磁法、槽波地震、無(wú)線電波透視等探測(cè)靜態(tài)本源數(shù)據(jù)信息作為模型初始特征，以微震、電法多源時(shí)序動(dòng)態(tài)監(jiān)測(cè)信息作為輸入，以出水量等水文參數(shù)作為輸出，構(gòu)建智能預(yù)警模型，采用小批量算法及自適應(yīng)學(xué)習(xí)策略對(duì)微震、電法等水害動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)信息進(jìn)行分類訓(xùn)練。

在眾多的智能算法之中，線性回歸LR、自回歸移動(dòng)平均值A(chǔ)RMA 存在對(duì)復(fù)雜非線性關(guān)系逼近能力不足的問(wèn)題，人工神經(jīng)網(wǎng)絡(luò)ANN 對(duì)復(fù)雜非線性關(guān)系逼近能力較好，但無(wú)法有效學(xué)習(xí)時(shí)序監(jiān)測(cè)數(shù)據(jù)的相關(guān)性，支持向量機(jī)SVM 可解決非線性問(wèn)題，但處理大規(guī)模監(jiān)測(cè)數(shù)據(jù)存在困難，水害預(yù)警問(wèn)題是典型的非線性時(shí)序預(yù)測(cè)問(wèn)題，上述模型方法在水害預(yù)警應(yīng)用方面存在局限性。深度神經(jīng)網(wǎng)絡(luò)DNN 基于深層非線性網(wǎng)絡(luò)結(jié)構(gòu)，非線性學(xué)習(xí)優(yōu)化能力更強(qiáng)，但仍無(wú)法有效學(xué)習(xí)時(shí)序特征，循環(huán)神經(jīng)網(wǎng)絡(luò)RNN 可學(xué)習(xí)時(shí)序數(shù)據(jù)特征，但存在梯度消失及梯度爆炸問(wèn)題，無(wú)法解決水害預(yù)警數(shù)據(jù)的長(zhǎng)期記憶問(wèn)題，長(zhǎng)短時(shí)記憶LSTM、門(mén)控循環(huán)單元GRU 是具備代表性的RNN類方法，相比于RNN，LSTM、GRU 可長(zhǎng)期記憶時(shí)序數(shù)據(jù)中包含的數(shù)據(jù)特征，其中GRU 實(shí)在LSTM 基礎(chǔ)上發(fā)展優(yōu)化的神經(jīng)網(wǎng)絡(luò)[22-23]，兩者計(jì)算精度相近，與LSTM 相比，GRU 模型收斂更快。選用工作面底板水害GRU 深度學(xué)習(xí)算法進(jìn)行說(shuō)明，圖4 為GRU 深度學(xué)習(xí)數(shù)據(jù)融合預(yù)警模型網(wǎng)絡(luò)結(jié)構(gòu)，GRU 計(jì)算模型層采用門(mén)控循環(huán)單元算法學(xué)習(xí)訓(xùn)練輸入數(shù)據(jù)xt，將GRU 輸出至全連接層，優(yōu)化更新計(jì)算模型，輸出訓(xùn)練結(jié)果ht；采用稀疏交叉熵?fù)p失函數(shù)與Softmax 多元分類器將訓(xùn)練結(jié)果ht進(jìn)行預(yù)警等級(jí)分類及輸出，H為4 個(gè)預(yù)警等級(jí)：0—正常、1—較危險(xiǎn)、2—非常危險(xiǎn)、3—即將突水的分類預(yù)測(cè)概率。GRU 計(jì)算單元示意如圖5 所示，xt為當(dāng)前輸入值，ht為當(dāng)前GRU 計(jì)算單元輸出值，ht-1為上一時(shí)刻GRU 單元的輸出值，Wr為重置門(mén)權(quán)重矩陣，Wz為更新門(mén)權(quán)重矩陣，W為當(dāng)前計(jì)算單元狀態(tài)權(quán)重矩陣。模型的訓(xùn)練測(cè)試包含以下3 個(gè)步驟：

圖4 煤礦水害GRU（門(mén)控循環(huán)單元）智能預(yù)警模型Fig.4 Water hazard GRU (Gated Recurrent Unit) intelligent early warning model of coal mine

圖5 GRU 計(jì)算單元示意Fig.5 Schematic of GRU calculation unit

1）前向計(jì)算每個(gè)GRU 計(jì)算單元的輸出值，包含當(dāng)前節(jié)點(diǎn)控制重置的門(mén)控rt，當(dāng)前節(jié)點(diǎn)控制更新的門(mén)控zt，當(dāng)前GRU 計(jì)算單元輸出值ht三個(gè)向量，⊙為按元素乘邏輯運(yùn)算符，具體前向計(jì)算方法見(jiàn)式（1）。

誤差傳遞到上一層的公式為

3）由前向傳播公式及已經(jīng)求得的誤差項(xiàng)計(jì)算每個(gè)參數(shù)的權(quán)重梯度，采用Adam 優(yōu)化算法更新權(quán)重梯度，完成預(yù)警模型的訓(xùn)練過(guò)程，對(duì)模型進(jìn)行驗(yàn)證與測(cè)試，評(píng)價(jià)模型的精度表現(xiàn)與泛化能力，最后保存模型參數(shù)。在系統(tǒng)建設(shè)過(guò)程中可采用Keras 等深度學(xué)習(xí)框架進(jìn)行深度學(xué)習(xí)預(yù)警模型開(kāi)發(fā)、訓(xùn)練、評(píng)價(jià)與更新，完畢后將模型部署到系統(tǒng)后端，在系統(tǒng)前端發(fā)出預(yù)警指令后，將待預(yù)警數(shù)據(jù)輸入訓(xùn)練好的模型，輸出預(yù)警結(jié)果并可在前端進(jìn)行可視化展示，如圖6 所示，完成預(yù)警過(guò)程。

圖6 煤礦水害智能預(yù)警系統(tǒng)Fig.6 Display of water hazard intelligent early warning system for coal mine

4.4 預(yù)警信息發(fā)布

為了應(yīng)對(duì)預(yù)警信息發(fā)布與預(yù)警模型智能計(jì)算的時(shí)效性問(wèn)題，可采用云計(jì)算與邊緣計(jì)算協(xié)同的計(jì)算服務(wù)架構(gòu)，將模型修正與水害預(yù)警類低延時(shí)需求數(shù)據(jù)采用邊緣計(jì)算處理，在智能預(yù)警模型計(jì)算過(guò)程采用并行計(jì)算技術(shù)提高預(yù)警模型的計(jì)算更新效率，以實(shí)現(xiàn)預(yù)警模型及預(yù)警結(jié)果發(fā)布的高效率、低延時(shí)，解決水害預(yù)警及智能決策信息發(fā)布的時(shí)效性問(wèn)題。

5 結(jié) 論

1）解讀國(guó)家煤礦智能化發(fā)展政策及理念，分析了國(guó)內(nèi)煤礦水害監(jiān)測(cè)預(yù)警發(fā)展現(xiàn)狀及趨勢(shì)，指出了建設(shè)煤礦水害監(jiān)測(cè)與智能預(yù)警系統(tǒng)的問(wèn)題，即水害智能預(yù)警需求的復(fù)雜性與數(shù)據(jù)接入標(biāo)準(zhǔn)、水害多源大數(shù)據(jù)信息的分類與時(shí)空匹配、水害大數(shù)據(jù)信息的智能處理分析及水害預(yù)警及智能決策信息發(fā)布的時(shí)效性。

2）針對(duì)煤礦水害監(jiān)測(cè)與智能預(yù)警系統(tǒng)存在問(wèn)題，提出煤礦水害監(jiān)測(cè)與智能預(yù)警系統(tǒng)技術(shù)架構(gòu)，將水害預(yù)警資源分為信息采集資源與計(jì)算資源，將水害預(yù)警大數(shù)據(jù)信息分為靜態(tài)本源信息與動(dòng)態(tài)監(jiān)測(cè)信息，將數(shù)據(jù)處理分為基礎(chǔ)地質(zhì)模型數(shù)據(jù)處理、數(shù)值處理與計(jì)算模擬及信息融合數(shù)據(jù)處理，將煤礦水害預(yù)警分為監(jiān)測(cè)參數(shù)預(yù)警、指標(biāo)分級(jí)預(yù)警、智能模型預(yù)警，對(duì)技術(shù)架構(gòu)進(jìn)行了詳細(xì)分析。

3）基于煤礦水害智能預(yù)警系統(tǒng)技術(shù)架構(gòu)需求，提出了復(fù)雜度可控、獨(dú)立部署、技術(shù)選型靈活、容錯(cuò)率高、易于擴(kuò)展服務(wù)的系統(tǒng)軟件服務(wù)架構(gòu)，給出了基礎(chǔ)設(shè)施層、數(shù)據(jù)資源層、應(yīng)用支撐層、業(yè)務(wù)應(yīng)用層、用戶展現(xiàn)層的軟件服務(wù)方案。

4）基于煤礦水害智能預(yù)警系統(tǒng)技術(shù)與軟件服務(wù)架構(gòu)，圍繞煤礦水害預(yù)警系統(tǒng)技術(shù)問(wèn)題，從感知數(shù)據(jù)接入、數(shù)據(jù)時(shí)空匹配、預(yù)警模型開(kāi)發(fā)、預(yù)警信息發(fā)布4 個(gè)方面闡述煤礦水害智能預(yù)警系統(tǒng)建設(shè)技術(shù)思路，結(jié)合具體水害預(yù)警建設(shè)流程給出了不同類型感知數(shù)據(jù)接入、存儲(chǔ)、編碼、模型的分類、智能深度學(xué)習(xí)模型的構(gòu)建測(cè)試、預(yù)警信息發(fā)布的技術(shù)路徑。