基于動態(tài)數(shù)據(jù)驅(qū)動的煤礦瓦斯異常涌出風(fēng)險預(yù)警系統(tǒng)設(shè)計*

張巨峰，施式亮，邵淑珍，游 波，吳芳華，張立志

(1.湖南科技大學(xué) 資源環(huán)境與安全工程學(xué)院，湖南 湘潭 411201；2.隴東學(xué)院 能源工程學(xué)院，甘肅 慶陽 745000)

0 引言

煤炭是我國的基礎(chǔ)能源，據(jù)專家預(yù)測，到2030年和2050年，我國煤炭產(chǎn)能仍分別能達到40，34億t[1]，因此，今后相當(dāng)長時期內(nèi)煤炭在我國能源消費結(jié)構(gòu)的主體地位不會改變。隨著我國淺部煤炭資源枯竭，許多礦井已開始進入深部開采[2]，地應(yīng)力和瓦斯壓力不斷加大，低瓦斯礦井瓦斯涌出量增大甚至具有突出危險性，致使煤炭開采過程中經(jīng)常伴隨瓦斯異常涌出現(xiàn)象發(fā)生，災(zāi)害風(fēng)險愈加增大，煤礦安全生產(chǎn)形勢愈加嚴峻[3]。建國以來，我國發(fā)生的182起重特大煤礦事故中，瓦斯爆炸事故106起，占總數(shù)的58%，因瓦斯異常涌出導(dǎo)致的爆炸事故62起，占總數(shù)的34%[4]，其中最為嚴重的當(dāng)屬2005年發(fā)生在阜新孫家灣煤礦的“2·14”瓦斯爆炸事故，214人死亡，直接原因是沖擊地壓導(dǎo)致3316風(fēng)道大量瓦斯異常涌出，瓦斯積聚引發(fā)瓦斯爆炸[5]。瓦斯異常涌出對煤礦安全生產(chǎn)造成了嚴重威脅，因此，瓦斯異常涌出風(fēng)險預(yù)警對于保障煤礦安全生產(chǎn)具有重要意義。

近些年來，隨著現(xiàn)代傳感、自動控制、信息處理等技術(shù)的發(fā)展和新工藝、新方法的應(yīng)用，礦井安全監(jiān)測監(jiān)控正向智能化方向發(fā)展[6-9]，瓦斯異常涌出風(fēng)險預(yù)警也取得了豐碩成果。肖丹等[10]通過對瓦斯異常涌出致災(zāi)因素識別，基于灰色理論建立了瓦斯異常涌出灰色預(yù)測預(yù)警模型，預(yù)測結(jié)果與實測結(jié)果基本一致；王菲茵等[11-12]通過分析掘進工作面瓦斯異常涌出后濃度變化圖像的特征，建立了基于Relief F-維度區(qū)間-支持向量機的圖像識別模型，通過識別瓦斯圖像反映了瓦斯異常涌出的危險程度；張言輝[13]應(yīng)用數(shù)據(jù)挖掘算法分析了瓦斯涌出的異常狀態(tài)曲線特征，并結(jié)合小波閾值去噪方法，構(gòu)建了基于小波閾值去噪的突出危險工作面瓦斯涌出分級識別預(yù)警模型；馬麗娟[14]根據(jù)瓦斯?jié)舛鹊淖兓手笜?biāo)，應(yīng)用模糊數(shù)學(xué)原理及模式識別技術(shù)構(gòu)建危險識別預(yù)測模型，并采用Fishe判別法確定危險臨界值，動態(tài)預(yù)測了不同區(qū)域的危險程度；楊艷國等[15]應(yīng)用Shapiro-Wilk和Lilliefors聯(lián)合正態(tài)檢驗法挖掘瓦斯?jié)舛葧r間序列的分布特征，進行工作面瓦斯異常涌出識別和實時預(yù)警，這些研究成果均依靠系統(tǒng)的風(fēng)險識別和預(yù)警模型，在可靠性和預(yù)警精度方面都有較大提高，但這些研究均過度依賴于系統(tǒng)模型，不能隨著監(jiān)測數(shù)據(jù)的增加而實時修正和動態(tài)更新，無法滿足井下復(fù)雜環(huán)境條件下瓦斯異常涌出動態(tài)預(yù)警的要求。

本文擬基于動態(tài)數(shù)據(jù)驅(qū)動技術(shù)強大的信息處理和問題求解范式，搭建瓦斯異常涌出預(yù)警體系架構(gòu)，分析瓦斯異常涌出預(yù)警系統(tǒng)的關(guān)鍵技術(shù)，設(shè)計、研發(fā)瓦斯異常涌出預(yù)警系統(tǒng)，以便實現(xiàn)煤礦瓦斯異常涌出風(fēng)險預(yù)警結(jié)果的實時調(diào)整，使預(yù)測預(yù)報結(jié)果更加貼合實際。

1 動態(tài)數(shù)據(jù)驅(qū)動技術(shù)

動態(tài)數(shù)據(jù)驅(qū)動[16](Dynamic Data Driven，DDD)技術(shù)源于計算機領(lǐng)域，在災(zāi)害風(fēng)險識別和實時在線監(jiān)測預(yù)警方面具有一定的優(yōu)越性，提供了1種強大的信息處理和問題求解范式，以數(shù)據(jù)庫中的海量數(shù)據(jù)為導(dǎo)向，結(jié)合實時過程跟蹤數(shù)據(jù)，快速提取大量數(shù)據(jù)中能反應(yīng)研究目標(biāo)的關(guān)鍵信息，實現(xiàn)基于動態(tài)數(shù)據(jù)變化的需求分析、決策支持，實現(xiàn)數(shù)據(jù)驅(qū)動系統(tǒng)功能模塊，可通過大量歷史的、實時監(jiān)測的數(shù)據(jù)處理與分析，提取海量信息中的有用數(shù)據(jù)，實現(xiàn)預(yù)定功能模塊控制技術(shù)，將仿真系統(tǒng)和實際系統(tǒng)有機結(jié)合，實現(xiàn)仿真系統(tǒng)與實際系統(tǒng)動態(tài)響應(yīng)與動態(tài)控制的功能，并實時反饋校正，使模型分析結(jié)果更加準確、可靠。

動態(tài)數(shù)據(jù)驅(qū)動技術(shù)以實時監(jiān)測數(shù)據(jù)為依據(jù)，通過服務(wù)流引擎技術(shù)(Web Service)，將所有相關(guān)影響因素聯(lián)系起來，形成一個完整的動態(tài)數(shù)據(jù)獲取與分析體，組合Web Service，為分散的Web服務(wù)，通過調(diào)整組合形式，保障信息安全，形成服務(wù)協(xié)議。服務(wù)流引擎主要集中在服務(wù)組合、配置等信息設(shè)計階段和服務(wù)流管理、日志分析及修正完善的運行階段[17-18]。

動態(tài)數(shù)據(jù)驅(qū)動是通過實測數(shù)據(jù)和仿真系統(tǒng)間的動態(tài)反饋修正模型，一方面，把原始數(shù)據(jù)導(dǎo)入仿真系統(tǒng)，得出數(shù)據(jù)的預(yù)測特征；另一方面，將仿真系統(tǒng)得出的預(yù)測結(jié)果與原始系統(tǒng)的實際結(jié)果進行動態(tài)調(diào)整、修正，適應(yīng)現(xiàn)場環(huán)境變化，使動態(tài)數(shù)據(jù)驅(qū)動系統(tǒng)與實際測量系統(tǒng)形成共生反饋，基本思路如圖1所示。

圖1 動態(tài)數(shù)據(jù)驅(qū)動應(yīng)用思路流程Fig.1 Flow chart for application ideas of dynamic data-driven

2 瓦斯異常涌出預(yù)警體系架構(gòu)

煤礦瓦斯異常涌出是1個多因素耦合的復(fù)雜問題，涉及地質(zhì)賦存條件致災(zāi)作用機制、能量場時空演化及多因素耦合、采動擾動影響等[19-20]，在預(yù)警和控制方面，涉及瓦斯異常涌出記憶儲存、識別、響應(yīng)應(yīng)答、執(zhí)行控制等協(xié)同運行機制。

在全面調(diào)研、收集、綜合分析瓦斯異常涌出資料的基礎(chǔ)上，研究瓦斯異常誘發(fā)因素的互為影響、動態(tài)變化和關(guān)聯(lián)特征，揭示異常涌出孕育演化過程及誘災(zāi)變量間的時空演化機制；研究多物理場災(zāi)變風(fēng)險信息規(guī)范化采集機制和傳感、傳輸、解析及協(xié)同運行模式；基于瓦斯異常涌出風(fēng)險演化機制以及涌出行為指標(biāo)關(guān)聯(lián)特征，探究誘發(fā)因素數(shù)據(jù)信息的內(nèi)在關(guān)聯(lián)性，搭建基于推理關(guān)系的風(fēng)險指標(biāo)共用快速關(guān)聯(lián)分析模型與數(shù)據(jù)快速挖掘算法，建立融合多源信息的瓦斯異常涌出風(fēng)險早期識別模型。根據(jù)風(fēng)險早期識別模型以及辨識結(jié)果，推算瓦斯異常涌出目標(biāo)數(shù)據(jù)出現(xiàn)的概率，建立基于中等概率篩選統(tǒng)計的瓦斯異常涌出風(fēng)險預(yù)警訓(xùn)練集和測試集，探索瓦斯異常涌出行為模擬系統(tǒng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)，設(shè)計反演模擬系統(tǒng)內(nèi)誘發(fā)因素信息的數(shù)據(jù)關(guān)聯(lián)、融合、管理、智能分析等子系統(tǒng)，設(shè)計瓦斯異常涌出預(yù)警指標(biāo)數(shù)據(jù)歸一化處理方法和關(guān)鍵預(yù)警模型參數(shù)，建立風(fēng)險預(yù)警模型，揭示預(yù)警機制，基本原理如圖2所示。

圖2 礦井瓦斯異常涌出風(fēng)險預(yù)警應(yīng)用原理Fig.2 Application principle of early warning on abnormal gas emission risk in mine

為此，運用動態(tài)數(shù)據(jù)驅(qū)動范式搭建基于動態(tài)數(shù)據(jù)驅(qū)動的煤礦瓦斯異常涌出監(jiān)測預(yù)警體系架構(gòu)(圖3)。具體思路為：首先，基于煤礦井下作業(yè)空間誘發(fā)瓦斯異常涌出多因素特征參數(shù)及區(qū)域多源瓦斯監(jiān)測數(shù)據(jù)，構(gòu)建瓦斯異常涌出表征特征庫、預(yù)警數(shù)據(jù)庫和模型庫，并集成歷史的瓦斯異常涌出監(jiān)測數(shù)據(jù)分析，對瓦斯異常涌出的不同程度及趨勢建模分析與預(yù)警，最后結(jié)合實時監(jiān)測數(shù)據(jù)對預(yù)警模型參數(shù)進行修正，使預(yù)警結(jié)果更為真實。另外，煤礦各級應(yīng)急管理部門對瓦斯異常涌出應(yīng)急指揮中，依靠預(yù)警系統(tǒng)的初步預(yù)警結(jié)果，對瓦斯涌出監(jiān)測點的選取與布局進行優(yōu)化，進而構(gòu)建瓦斯涌出災(zāi)害演化過程及監(jiān)測曲線的動態(tài)變化與災(zāi)害發(fā)展過程之間的信息反饋與自動校正機制。

圖3 動態(tài)數(shù)據(jù)驅(qū)動的瓦斯異常涌出監(jiān)測預(yù)警體系架構(gòu)Fig.3 Architecture of monitoring and early warning system of abnormal gas emission based on dynamic data-driven

3 瓦斯異常涌出預(yù)警系統(tǒng)關(guān)鍵技術(shù)

在基于動態(tài)數(shù)據(jù)驅(qū)動的瓦斯異常涌出風(fēng)險預(yù)警體系架構(gòu)的基礎(chǔ)上，預(yù)警系統(tǒng)需要解決動態(tài)數(shù)據(jù)驅(qū)動的瓦斯涌出監(jiān)測曲線擬合、動態(tài)預(yù)警模型修正、預(yù)警系統(tǒng)研發(fā)等關(guān)鍵技術(shù)問題，以便實現(xiàn)瓦斯異常涌出監(jiān)測數(shù)據(jù)的快速處理與曲線繪制和擬合，預(yù)警模型的實時更新和動態(tài)修正，以及監(jiān)測預(yù)警任務(wù)的執(zhí)行和調(diào)度管理工作。

3.1 動態(tài)數(shù)據(jù)驅(qū)動的瓦斯監(jiān)測曲線擬合

瓦斯監(jiān)測曲線是瓦斯涌出最直接反應(yīng)，但煤礦井下環(huán)境復(fù)雜，電氣設(shè)備眾多，產(chǎn)生的電磁輻射可能對監(jiān)測數(shù)據(jù)產(chǎn)生干擾，造成監(jiān)測數(shù)據(jù)失真，監(jiān)測曲線錯誤。因此，通過誤差剔除、插值法等時序列處理方法對瓦斯監(jiān)測數(shù)據(jù)進行清洗與分析；借助統(tǒng)計分析、數(shù)據(jù)清洗與過濾等手段擬合歷史監(jiān)測數(shù)據(jù)趨勢，并結(jié)合實時數(shù)據(jù)進行模型動態(tài)修正，穩(wěn)定、精確地劃分瓦斯涌出等級，為瓦斯異常涌出精確預(yù)警。

3.2 動態(tài)數(shù)據(jù)驅(qū)動的瓦斯涌出模型修正

瓦斯異常涌出受多種地質(zhì)因素和開采因素影響，具有明顯的不確定性。瓦斯異常涌出演化及發(fā)展趨勢隱蔽、復(fù)雜，在風(fēng)險預(yù)警時，預(yù)測模型或算法結(jié)果與實際瓦斯涌出變化過程存在一定差異，常常產(chǎn)生誤差。因此，為了提高預(yù)警精度，減小這種誤差，必須對瓦斯監(jiān)測數(shù)據(jù)進行實時運算，動態(tài)修正預(yù)測模型，使瓦斯異常涌出預(yù)警結(jié)果更貼近實際的發(fā)生情況。

3.3 預(yù)警系統(tǒng)研發(fā)技術(shù)

基于動態(tài)數(shù)據(jù)驅(qū)動的瓦斯異常涌出預(yù)警系統(tǒng)架構(gòu)，在動態(tài)數(shù)據(jù)驅(qū)動的瓦斯涌出監(jiān)測曲線擬合與瓦斯預(yù)警模型實時動態(tài)反饋、修正等基礎(chǔ)上，應(yīng)用Web技術(shù)、數(shù)據(jù)庫技術(shù)、信息系統(tǒng)技術(shù)等，開發(fā)動態(tài)數(shù)據(jù)驅(qū)動的瓦斯異常涌出實時監(jiān)測預(yù)警系統(tǒng)，進行瓦斯異常涌出實時監(jiān)測預(yù)警任務(wù)的執(zhí)行和調(diào)度管理工作。

4 瓦斯異常涌出預(yù)警系統(tǒng)設(shè)計與研發(fā)

煤礦瓦斯異常涌出之前會出現(xiàn)一些前兆，預(yù)警系統(tǒng)就向相關(guān)機構(gòu)或部門發(fā)出緊急信號，提示可能發(fā)生的危險，避免不知情的情況下造成重大損失。瓦斯異常涌出實時在線監(jiān)測預(yù)警是以瓦斯涌出動態(tài)監(jiān)測數(shù)據(jù)處理與分析、預(yù)警模型構(gòu)建以及動態(tài)數(shù)據(jù)驅(qū)動的實時監(jiān)測數(shù)據(jù)與模型服務(wù)流為基礎(chǔ)的分析與處理。因此，通過瓦斯異常涌出預(yù)警系統(tǒng)架構(gòu)設(shè)計，結(jié)合動態(tài)監(jiān)測數(shù)據(jù)處理與分析，實現(xiàn)煤礦瓦斯異常涌出動態(tài)在線監(jiān)測預(yù)警。

基于動態(tài)數(shù)據(jù)驅(qū)動的瓦斯異常涌出預(yù)警系統(tǒng)主要是依據(jù)煤礦瓦斯監(jiān)測設(shè)備、環(huán)境狀態(tài)監(jiān)測信息以及其他關(guān)聯(lián)信息，基于服務(wù)流引擎與動態(tài)數(shù)據(jù)驅(qū)動等關(guān)鍵技術(shù)，應(yīng)用物聯(lián)網(wǎng)、數(shù)據(jù)傳感技術(shù)進行實時監(jiān)測數(shù)據(jù)的采集、傳輸，從大量異構(gòu)性瓦斯數(shù)據(jù)中挖掘有益信息，構(gòu)建瓦斯異常涌出風(fēng)險模型，結(jié)合實時瓦斯涌出數(shù)據(jù)，進行風(fēng)險動態(tài)識別和預(yù)警，瓦斯異常涌出風(fēng)險在線預(yù)警系統(tǒng)如圖4所示，共分為7個模塊，分別為數(shù)據(jù)處理中心、數(shù)據(jù)監(jiān)測模塊、信息采集模塊、網(wǎng)絡(luò)通訊模塊、數(shù)據(jù)庫、授權(quán)系統(tǒng)和業(yè)務(wù)操作模塊，各個模塊的數(shù)據(jù)信息相互共享，功能相互協(xié)調(diào)，共同實現(xiàn)在線預(yù)警系統(tǒng)的協(xié)同運作，提高瓦斯異常涌出風(fēng)險的預(yù)警準確性和實時性，具體見表1。

圖4 瓦斯異常涌出在線預(yù)警系統(tǒng)Fig.4 Online early warning system of abnormal gas emission

表1 瓦斯異常涌出在線監(jiān)測預(yù)警系統(tǒng)Table 1 Online monitoring and early warning system of abnormal gas emission

基于動態(tài)數(shù)據(jù)驅(qū)動的煤礦瓦斯異常涌出的準確預(yù)警主要在于動態(tài)數(shù)據(jù)驅(qū)動技術(shù)的強大數(shù)據(jù)處理和分析能力，其數(shù)據(jù)處理系統(tǒng)的主要功能板塊分為：數(shù)據(jù)管理、數(shù)據(jù)處理、實時數(shù)據(jù)、數(shù)據(jù)顯示等，如圖5所示。

圖5 瓦斯異常涌出數(shù)據(jù)處理系統(tǒng)Fig.5 Data processing system of abnormal gas emission

實時數(shù)據(jù)板塊是將各傳感監(jiān)測的數(shù)據(jù)同步傳輸?shù)筋A(yù)警系統(tǒng)的數(shù)據(jù)庫。用戶通過設(shè)置時間間隔和其他相應(yīng)參數(shù)實時監(jiān)測所需瓦斯涌出數(shù)據(jù)變化，并以JSON串的形式將新增數(shù)據(jù)發(fā)送到服務(wù)端，存入數(shù)據(jù)庫，并生成系統(tǒng)運行狀態(tài)日志。

監(jiān)測數(shù)據(jù)處理板塊，是基于源數(shù)據(jù)庫和實時監(jiān)測數(shù)據(jù)庫，通過預(yù)測模型構(gòu)建、模型修正和模型驗證的程序?qū)崿F(xiàn)監(jiān)測數(shù)據(jù)的處理與分析，繪制預(yù)測曲線圖表，以便用戶分析。

煤礦瓦斯異常涌出風(fēng)險監(jiān)測預(yù)警系統(tǒng)通過WCF數(shù)據(jù)服務(wù)的方式實現(xiàn)了瓦斯涌出監(jiān)測數(shù)據(jù)同步、無效瓦斯數(shù)據(jù)清洗的功能?？蛻舳藰?gòu)建了顯示設(shè)置模塊，實現(xiàn)瓦斯涌出數(shù)據(jù)動態(tài)顯示功能。瓦斯異常涌出實時監(jiān)測數(shù)據(jù)的處理與分析是準確預(yù)警的關(guān)鍵，主要涉及瓦斯監(jiān)測數(shù)據(jù)動態(tài)處理、瓦斯涌出曲線繪制、瓦斯預(yù)警模型動態(tài)修正以及數(shù)據(jù)服務(wù)流設(shè)計與實現(xiàn)等。瓦斯異常涌出監(jiān)測預(yù)警系統(tǒng)主要功能包括瓦斯涌出實時數(shù)據(jù)集成模塊、瓦斯涌出數(shù)據(jù)動態(tài)處理與分析模塊、瓦斯涌出預(yù)警模型調(diào)用、瓦斯預(yù)警實時數(shù)據(jù)與報警模塊，如圖6所示。

圖6 基于動態(tài)數(shù)據(jù)驅(qū)動的瓦斯異常涌出風(fēng)險預(yù)警系統(tǒng)Fig.6 Early warning system of abnormal gas emission risk based on dynamic data-driven

5 結(jié)論

1)基于動態(tài)數(shù)據(jù)驅(qū)動技術(shù)搭建瓦斯異常涌出風(fēng)險預(yù)警系統(tǒng)應(yīng)用架構(gòu)，核心問題是瓦斯異常涌出數(shù)據(jù)深度挖掘和處理。

2)動態(tài)數(shù)據(jù)驅(qū)動的瓦斯異常涌出預(yù)警不過度依賴系統(tǒng)的預(yù)測模型，基于動態(tài)數(shù)據(jù)驅(qū)動的瓦斯異常涌出風(fēng)險預(yù)警系統(tǒng)應(yīng)解決瓦斯監(jiān)測曲線擬合、瓦斯動態(tài)涌出模型選擇和修正、預(yù)警系統(tǒng)研發(fā)等關(guān)鍵性技術(shù)。

3)應(yīng)用服務(wù)流引擎技術(shù)研發(fā)基于動態(tài)數(shù)據(jù)驅(qū)動的煤礦瓦斯異常涌出風(fēng)險預(yù)警系統(tǒng)，可煤礦瓦斯災(zāi)害防治提供幫助。