基于云計算和大數(shù)據(jù)挖掘的礦山事故預(yù)警系統(tǒng)研究與設(shè)計

申 琢

(1.中國礦業(yè)大學(xué)(北京)管理學(xué)院，北京市海淀區(qū)，100083； 2.國家安全生產(chǎn)監(jiān)督管理總局信息研究院，北京市朝陽區(qū)，100029)

★ 煤炭科技·機電與信息化★

基于云計算和大數(shù)據(jù)挖掘的礦山事故預(yù)警系統(tǒng)研究與設(shè)計

申 琢1,2

(1.中國礦業(yè)大學(xué)(北京)管理學(xué)院，北京市海淀區(qū)，100083； 2.國家安全生產(chǎn)監(jiān)督管理總局信息研究院，北京市朝陽區(qū)，100029)

分析了礦山事故發(fā)生的因素，利用云計算和數(shù)據(jù)挖掘原理分析各個事件的關(guān)聯(lián)性，建立了煤礦安全生產(chǎn)領(lǐng)域的交叉數(shù)據(jù)分析模型，研究與設(shè)計了礦山事故預(yù)警系統(tǒng)，詳細(xì)介紹了礦井端系統(tǒng)設(shè)計和集團公司端系統(tǒng)設(shè)計。通過結(jié)果分析，該系統(tǒng)夠提前發(fā)現(xiàn)、分析和判斷影響安全生產(chǎn)的狀態(tài)和可能導(dǎo)致事故發(fā)生的信息，及時發(fā)布安全生產(chǎn)預(yù)警信息，最大限度地降低事故發(fā)生概率。

煤礦安全 大數(shù)據(jù)挖掘 云計算 數(shù)據(jù)處理 預(yù)警信息

煤炭在我國能源消費中占有較大的比例，但煤炭開采環(huán)境復(fù)雜，對礦山從事人員的生命安全產(chǎn)生了較大的威脅。國家煤礦安全監(jiān)察局網(wǎng)站公布的安全事故數(shù)據(jù)顯示，我國煤礦的安全生產(chǎn)仍存在較大的疏漏，如何保證礦山的安全生產(chǎn)仍是一大嚴(yán)峻的問題。

隨著礦山信息化的發(fā)展，OA管理系統(tǒng)、監(jiān)控監(jiān)測系統(tǒng)等已經(jīng)在各個煤礦普及，對于監(jiān)測到的各類數(shù)據(jù)呈現(xiàn)了一個指數(shù)級別的增長，已經(jīng)形成TB甚至PB級別的數(shù)據(jù)集。然而對于采集的這些數(shù)據(jù)，并沒有得到較好地利用，只是單作為一個預(yù)警數(shù)據(jù)，并沒有把各類數(shù)據(jù)之間的聯(lián)系體現(xiàn)出來。一些研究人員利用灰色關(guān)聯(lián)分析對煤礦事故進(jìn)行了灰關(guān)聯(lián)熵分析，但對造成事故的內(nèi)因之間的聯(lián)系并沒有具體闡述。隨著信息化的普及和大數(shù)據(jù)技術(shù)的發(fā)展，利用煤礦監(jiān)控監(jiān)測數(shù)據(jù)對事故進(jìn)行內(nèi)因關(guān)聯(lián)分析、揭示事故規(guī)律已經(jīng)成為現(xiàn)實，基于數(shù)據(jù)挖掘為基礎(chǔ)的安全決策可以為礦山安全保障提供可靠的理論依據(jù)。

1 礦山事故原因分析

事故致因理論是安全科學(xué)的一大重要分支，可以為各類事故進(jìn)行定性分析。在煤礦中應(yīng)用較多的主要有海因里希事故連鎖理論、軌跡交叉以及事故致因的突變模型等。海因里希連鎖理論主要提出了事故發(fā)生原因歸結(jié)為物的不安全狀態(tài)和人的不安全行為；軌跡交叉論主要強調(diào)了事故致因的復(fù)雜性；突變模型指出了系統(tǒng)變化過程中出現(xiàn)的突變對整個系統(tǒng)狀態(tài)的影響。由于礦山工作環(huán)境的特殊性和復(fù)雜性，以上理論只能片面地分析事故的發(fā)生，并不能從根本上提出預(yù)防事故發(fā)生的方案，因此在以上事故致因理論基礎(chǔ)上，并結(jié)合礦井實際工作環(huán)境，一些研究人員提出了礦山事故致因的綜合模型，利用以上模型對礦山事故致因進(jìn)行分析總結(jié)具有代表性。根據(jù)模型的分析，將礦山事故致因具體細(xì)分如下：

(1)安全管理。安全管理包括安全決策的制定、相關(guān)安全生產(chǎn)制度的健全程度、相關(guān)礦山從業(yè)人員的執(zhí)行力、員工的安全培訓(xùn)信息等。

(2)從業(yè)人員的個人素質(zhì)。從業(yè)人員的個人素質(zhì)包括年齡、工作年限、薪資水平、工作時長、安全管理培訓(xùn)信息、技術(shù)水平、工作崗位、健康狀況等。

(3)設(shè)備設(shè)施工作情況。設(shè)備設(shè)施工作情況包括各類設(shè)備的服務(wù)年限、工作狀況、定期檢查維護等。

(4)環(huán)境因素。環(huán)境因素包括從業(yè)人員工作地點的位置和工作地點的溫度、濕度、深度以及地質(zhì)構(gòu)造狀況，也包括各類設(shè)施設(shè)備的安置地點以及工作環(huán)境是否符合設(shè)備自身要求等。

2 云計算和大數(shù)據(jù)挖掘

2.1 云計算

云計算發(fā)展已久，在最初階段，云計算只是虛擬技術(shù)的擴展，一般認(rèn)為云計算包含3個層次：基礎(chǔ)設(shè)施即服務(wù)(Iaas)、平臺即服務(wù)(Paas)和軟件即服務(wù)(Saas)。從商業(yè)角度來看，云計算的核心是提供服務(wù)，是一種比較新穎的商務(wù)模式，通過提供虛擬化的計算空間和計算資源，為客戶實現(xiàn)業(yè)務(wù)快速變更和創(chuàng)新升級的需求。云計算主要有以下幾個特點：

(1)虛擬化。云計算的發(fā)展初期，在技術(shù)層是作為一種虛擬化技術(shù)，支持用戶在云端實現(xiàn)資源的獲取與應(yīng)用，并非來自實體的服務(wù)。

(2)高擴展性。云端的擴展性可以依靠服務(wù)器的架設(shè)，隨著應(yīng)用與資源的擴大，通過架設(shè)更多的服務(wù)器，可以實現(xiàn)云端的高擴容性。

(3)廉價。由于云端服務(wù)的集中，客戶可以通過購買云空間來獲得所需服務(wù)，而不需要花費較多費用來進(jìn)行數(shù)據(jù)的管理。

現(xiàn)階段實現(xiàn)云計算的并行計算模型主要是Google實驗室提出的MapReduce。MapReduce計算模型主要應(yīng)用的是Hadoop Map Reduce和Hive，除此之外還包括Map-Only型和Iterative型。另外，一些研究人員提出了基于Hadoop平臺和MapReduce的編程模式，開發(fā)設(shè)計了針對大數(shù)據(jù)的并行分布式挖掘平臺——PDMiner，并在試驗中取得了較好的效果。

2.2 數(shù)據(jù)挖掘原理

伴隨著關(guān)系數(shù)據(jù)庫、NOSQL、SQL以及Oracle等各類數(shù)據(jù)庫的發(fā)展及應(yīng)用，各類數(shù)據(jù)量急劇攀升，為了能夠獲取各類數(shù)據(jù)之間的關(guān)聯(lián)性，一個新的計算機科學(xué)分支應(yīng)運而生，稱為數(shù)據(jù)挖掘。數(shù)據(jù)挖掘的基本原理是利用專業(yè)的知識對持有數(shù)據(jù)進(jìn)行篩選和提取，然后選擇合適的算法對數(shù)據(jù)進(jìn)行評價，最后得出可靠的結(jié)論。數(shù)據(jù)挖掘中常用的技術(shù)和方法主要來自統(tǒng)計學(xué)、決策樹、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、粗集、模糊邏輯、可視化技術(shù)等其他的幾個學(xué)科和技術(shù)領(lǐng)域。

2.3 基于云計算的大數(shù)據(jù)挖掘模型

基于云計算的大數(shù)據(jù)挖掘模型大致可細(xì)分為云端服務(wù)層、數(shù)據(jù)篩選層、數(shù)據(jù)處理層和用戶個性化定制層4個層面。在模型中，最重要的是數(shù)據(jù)篩選和數(shù)據(jù)處理2個層面，這2個層面利用Hadoop生態(tài)系統(tǒng)對數(shù)據(jù)庫中數(shù)據(jù)進(jìn)行細(xì)處理，以保證數(shù)據(jù)的質(zhì)量，加快數(shù)據(jù)挖掘的速度，提高結(jié)果的有效性。而在大數(shù)據(jù)挖掘中，數(shù)據(jù)挖掘算法的并行化最為關(guān)鍵，采用的Mapreduce計算模型使用的HDFS存儲，只有利用算法對數(shù)據(jù)進(jìn)行分類和改造才能實現(xiàn)在云端平臺的挖掘任務(wù)。這些算法中的并行分類算法、并行聚類算法、并行關(guān)聯(lián)算法能夠?qū)?shù)據(jù)的總結(jié)、預(yù)測的模型和異常趨勢發(fā)展有重要的識別作用。因而在算法的改進(jìn)上也能夠?qū)Υ髷?shù)據(jù)的挖掘效果有一定的改善。

3 礦山事故預(yù)警系統(tǒng)設(shè)計

將大數(shù)據(jù)挖掘的原理應(yīng)用于礦山安全預(yù)警系統(tǒng)中，有利于實現(xiàn)減少事故發(fā)生的幾率。在目前的礦山生產(chǎn)中，一方面，各類礦山的預(yù)警信息大部分依靠人為判斷，而人為判斷容易受到各方面的因素影響，以至于出現(xiàn)錯判、漏判的現(xiàn)象；另一方面，由于礦山工作中產(chǎn)生的各方面數(shù)據(jù)量較大，人工很難實現(xiàn)數(shù)據(jù)的綜合判斷。將大數(shù)據(jù)挖掘原理應(yīng)用到礦山安全預(yù)警系統(tǒng)中，利用計算機進(jìn)行數(shù)據(jù)整合和分析可以準(zhǔn)確的捕捉敏感信息，一定程度上避免人工易受影響的缺點，提高了預(yù)警信息的準(zhǔn)確性。

礦山事故預(yù)警系統(tǒng)采用基于云計算技術(shù)的進(jìn)行三級部署，通過分布式消息總線實現(xiàn)數(shù)據(jù)的快速處理與分發(fā)，融合分布式非結(jié)構(gòu)化數(shù)據(jù)管理技術(shù)優(yōu)化數(shù)據(jù)的存儲效率與磁盤利用率，進(jìn)一步支持大數(shù)據(jù)分析以及為后續(xù)的安全生產(chǎn)事故預(yù)測預(yù)判提供支撐。

3.1 礦井端系統(tǒng)設(shè)計

礦井端系統(tǒng)主要實現(xiàn)實時監(jiān)測監(jiān)控數(shù)據(jù)、安全生產(chǎn)以及經(jīng)營管理數(shù)據(jù)、音視頻數(shù)據(jù)以及圖紙、文件等各類結(jié)構(gòu)化、半結(jié)構(gòu)化以及非結(jié)構(gòu)數(shù)據(jù)的采集、梳理、過濾和預(yù)處理，從而為上級的大數(shù)據(jù)平臺提供基礎(chǔ)。通過數(shù)據(jù)采集器收集礦井傳感器數(shù)據(jù)、人員位置信息數(shù)據(jù)以及井下各類其他信息，采用基于數(shù)據(jù)分類的質(zhì)量控制算法，對采集的數(shù)據(jù)進(jìn)行梳理，并與其他的管理數(shù)據(jù)信息匯入實時關(guān)系數(shù)據(jù)庫，經(jīng)過數(shù)據(jù)預(yù)處理系統(tǒng)，從而傳送到公司和集團兩大數(shù)據(jù)分析平臺。礦井端系統(tǒng)構(gòu)架圖如圖1所示。

圖1 礦井端系統(tǒng)架構(gòu)圖

3.1.1 數(shù)據(jù)采集器

基于現(xiàn)有礦山的數(shù)據(jù)傳感器，通過建立在礦端的數(shù)據(jù)采集器，對傳感器采集的生產(chǎn)自動化數(shù)據(jù)、環(huán)境監(jiān)測數(shù)據(jù)、電力系統(tǒng)數(shù)據(jù)、機車運輸數(shù)據(jù)以及視頻監(jiān)控數(shù)據(jù)等等進(jìn)行數(shù)據(jù)的匯總，實現(xiàn)各類數(shù)據(jù)的完整匯集。并通過嵌入式等技術(shù)對數(shù)據(jù)采集器進(jìn)行定制化開發(fā)，實現(xiàn)對采集的數(shù)據(jù)進(jìn)行數(shù)據(jù)質(zhì)量控制，從源頭上對數(shù)據(jù)進(jìn)行質(zhì)量把控。減少壞數(shù)據(jù)、臟數(shù)據(jù)對數(shù)據(jù)整體的影響，因為后期的數(shù)據(jù)傳輸以及后期的數(shù)據(jù)分析減少了部分?jǐn)?shù)據(jù)壓力。同時對數(shù)據(jù)采集器進(jìn)行時鐘同步功能操作，實現(xiàn)采集數(shù)據(jù)在時間層面的統(tǒng)一。

3.1.2 管理數(shù)據(jù)ETL系統(tǒng)

管理數(shù)據(jù)ETL系統(tǒng)主要針對礦井端的生產(chǎn)執(zhí)行系統(tǒng)數(shù)據(jù)、設(shè)備管理系統(tǒng)數(shù)據(jù)、ERP系統(tǒng)數(shù)據(jù)以及OA系統(tǒng)數(shù)據(jù)進(jìn)行數(shù)據(jù)的采集、抽取、轉(zhuǎn)換與清洗。通過對管理數(shù)據(jù)的匯總，實現(xiàn)對煤礦端井上部分的數(shù)據(jù)匯總，從而整體上對數(shù)據(jù)進(jìn)行數(shù)據(jù)整合，建立完整的數(shù)據(jù)聯(lián)動。在后期的數(shù)據(jù)匯總過程中，通過管理數(shù)據(jù)與監(jiān)測數(shù)據(jù)的聯(lián)合，實現(xiàn)責(zé)任到人、具體到物的一觸到底的數(shù)據(jù)聯(lián)系。

3.1.3 實時關(guān)系數(shù)據(jù)庫

實時關(guān)系數(shù)據(jù)庫是數(shù)據(jù)庫系統(tǒng)的一個重要分支，通過數(shù)據(jù)庫技術(shù)與實時數(shù)據(jù)處理技術(shù)的結(jié)合，可直接進(jìn)行實時的數(shù)據(jù)采集、獲取企業(yè)運行過程中的各類數(shù)據(jù)。通過數(shù)據(jù)庫對管理數(shù)據(jù)ETL系統(tǒng)和數(shù)據(jù)采集器采集的數(shù)據(jù)進(jìn)行匯總和整合。借助實時關(guān)系數(shù)據(jù)庫的特有技術(shù)，實現(xiàn)對煤礦運行過程中的數(shù)據(jù)進(jìn)行及時的整理與處理。在煤礦端的實時數(shù)據(jù)庫中，可實現(xiàn)對礦端的文本數(shù)據(jù)、音頻數(shù)據(jù)、視頻數(shù)據(jù)以及其他數(shù)據(jù)類型進(jìn)行存儲，可實現(xiàn)煤礦的去紙化辦公，加速礦山信息化的建設(shè)。

3.1.4 數(shù)據(jù)預(yù)處理系統(tǒng)

由于在實際的數(shù)據(jù)中存在臟數(shù)據(jù)，無法直接進(jìn)行應(yīng)用，或者進(jìn)行數(shù)據(jù)挖掘結(jié)果不很理想，因此為了提高數(shù)據(jù)挖掘的質(zhì)量產(chǎn)生了數(shù)據(jù)預(yù)處理系統(tǒng)。數(shù)據(jù)預(yù)處理系統(tǒng)旨在對采集的數(shù)據(jù)進(jìn)行處理，主要是清理異常值、糾正錯誤數(shù)據(jù)。數(shù)據(jù)預(yù)處理的方法主要包含數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換以及數(shù)據(jù)規(guī)約等。

在礦井端的數(shù)據(jù)預(yù)處理系統(tǒng)主要針對實時數(shù)據(jù)庫的數(shù)據(jù)進(jìn)行流處理式的數(shù)據(jù)清洗，對整體的數(shù)據(jù)質(zhì)量進(jìn)行綜合把控，便于后期在集團公司對數(shù)據(jù)的高效率應(yīng)用。

3.1.5 數(shù)據(jù)同步傳輸系統(tǒng)

在數(shù)據(jù)預(yù)處理系統(tǒng)之后，隨著數(shù)據(jù)流的轉(zhuǎn)換將進(jìn)入到數(shù)據(jù)同步傳輸系統(tǒng)。通過數(shù)據(jù)同步傳輸系統(tǒng)，將各個煤礦端的數(shù)據(jù)通過網(wǎng)絡(luò)傳輸?shù)郊瘓F總部的，實現(xiàn)集團公司所有礦山企業(yè)的數(shù)據(jù)匯總。另一方面，數(shù)據(jù)的同步傳輸更實現(xiàn)了對數(shù)據(jù)實現(xiàn)了流處理。保證了集團公司數(shù)據(jù)庫的數(shù)據(jù)實時更新，實現(xiàn)了后期預(yù)測模型的自學(xué)習(xí)過程。通過數(shù)據(jù)同步傳輸系統(tǒng)可使得預(yù)測模型能夠得到實時的進(jìn)化，對后期基于數(shù)據(jù)的預(yù)測更精準(zhǔn)。

3.2 集團公司端系統(tǒng)設(shè)計

基于礦井端預(yù)處理的數(shù)據(jù)基礎(chǔ)，在分(子)公司與集團搭建兩級的大數(shù)據(jù)平臺，并分別利用流數(shù)據(jù)處理技術(shù)以及批處理技術(shù)實現(xiàn)礦井安全的預(yù)測預(yù)警系統(tǒng)。集團公司端系統(tǒng)架構(gòu)如圖2所示。

圖2 集團公司端系統(tǒng)架構(gòu)圖

流數(shù)據(jù)處理系統(tǒng)的發(fā)展主要劃分為三代，第一代流數(shù)據(jù)處理系統(tǒng)是一種集中式的架構(gòu)，最具代表性的包括Aurora、TelegraphCQ和STREAM等，通常為單機版并且功能有限；第二代流數(shù)據(jù)處理系統(tǒng)為分布式體系結(jié)構(gòu)，并且開始具備良好的容錯性、支持適應(yīng)性的查詢等特征；第三代流數(shù)據(jù)處理系統(tǒng)是由云計算技術(shù)促成的，其典型特征是可擴展性及容錯能力。批處理系統(tǒng)就是對文件或者數(shù)據(jù)進(jìn)行批處理，適用于對海量數(shù)據(jù)進(jìn)行篩選分析。

為了支持高吞吐流數(shù)據(jù)的采集與處理，通信服務(wù)及計算平臺還需要應(yīng)具有良好的可擴展性、負(fù)載均衡的能力。在容錯性方面，還應(yīng)能夠應(yīng)對資源超量申請等引起的系統(tǒng)故障、網(wǎng)絡(luò)故障、機器故障等。通過公司或者集團對各礦井端數(shù)據(jù)的收集，采用云端計算技術(shù)，利用MapReduce等對數(shù)據(jù)進(jìn)行處理，從而實現(xiàn)系統(tǒng)的智能決策。將數(shù)據(jù)處理結(jié)果與安全準(zhǔn)則想結(jié)合，獲得預(yù)警信息，為礦山安全提供可靠的保證。

3.2.1 終端數(shù)據(jù)接入子系統(tǒng)及數(shù)據(jù)路由分發(fā)總線

終端數(shù)據(jù)接入子系統(tǒng)是集團公司端系統(tǒng)對接礦井端系統(tǒng)數(shù)據(jù)的連接系統(tǒng)，通過通信服務(wù)集群對下屬礦山企業(yè)的原始異構(gòu)數(shù)據(jù)進(jìn)行獲取，在集團公司端對數(shù)據(jù)進(jìn)行分類匯總。通過對數(shù)據(jù)終端性能的設(shè)置，實現(xiàn)高并發(fā)海量數(shù)據(jù)的同時匯入，保證集團公司端數(shù)據(jù)的完整接收與歸納，保證數(shù)據(jù)的實時處理和分發(fā)。

數(shù)據(jù)路由分發(fā)總線通過訪問集團公司端的數(shù)據(jù)庫，實現(xiàn)智能分發(fā)處理不同數(shù)據(jù)，實現(xiàn)數(shù)據(jù)內(nèi)容及類型的自動歸類。從數(shù)據(jù)量的角度，數(shù)據(jù)路由分發(fā)將保證數(shù)據(jù)量的穩(wěn)定傳輸，以及各個節(jié)點數(shù)據(jù)量的負(fù)載均衡，從而不會出現(xiàn)數(shù)據(jù)熱點的問題，在一定程度上保證數(shù)據(jù)節(jié)點的穩(wěn)定性能。

3.2.2 礦井端安全預(yù)測預(yù)判平臺

礦井端安全預(yù)測預(yù)判平臺是基于集團公司總部的云基礎(chǔ)設(shè)施，通過部署大數(shù)據(jù)平臺及相關(guān)的分析模型軟件，通過對集團公司數(shù)據(jù)中心的礦山自有數(shù)據(jù)進(jìn)行訪問，實現(xiàn)對各個煤礦事故預(yù)警分析。

(1)數(shù)據(jù)流式計算子系統(tǒng)與分布式計算平臺。數(shù)據(jù)流式計算子系統(tǒng)是基于Spark組件實現(xiàn)的內(nèi)存計算，通過對數(shù)據(jù)路由分發(fā)的數(shù)據(jù)進(jìn)行實時處理，并經(jīng)過已有模型的建立分析，實現(xiàn)對各類事故的及時預(yù)警分析。通過模型對數(shù)據(jù)的自動歸類獲取與數(shù)據(jù)的實時傳輸，實現(xiàn)模型的自學(xué)習(xí)過程，完善礦井生產(chǎn)過程中數(shù)據(jù)參數(shù)，形成礦井自有的安全預(yù)測預(yù)判平臺。

(2)海量數(shù)據(jù)存儲與查詢服務(wù)子系統(tǒng)與分布式NoSQL數(shù)據(jù)庫。海量數(shù)據(jù)存儲與查詢服務(wù)子系統(tǒng)通過對礦山數(shù)據(jù)庫的數(shù)據(jù)交互，通過大數(shù)據(jù)平臺的Hive組件，實現(xiàn)對礦山數(shù)據(jù)的統(tǒng)計分析。Hive通過類SQL語句，在底層實現(xiàn)Hadoop中MapReduce計算流程，繼而對欲查詢的分類以及相關(guān)結(jié)果進(jìn)行分布式計算，從而獲得想要的結(jié)果。通過Hive計算的結(jié)果與相關(guān)的礦山數(shù)據(jù)集合，可以通過數(shù)據(jù)傳輸存儲至分布式NoSQL數(shù)據(jù)庫。通過對數(shù)據(jù)集的在分布式NoSQL數(shù)據(jù)庫中的存儲，解決了相關(guān)信息的存放問題，并通過分布式化解了數(shù)據(jù)丟失而無備份的問題。

3.2.3 集團公司端安全預(yù)測預(yù)判平臺

集團公司端安全預(yù)測預(yù)判平臺是對下屬所有的礦山企業(yè)進(jìn)行綜合評估與評判，根據(jù)數(shù)據(jù)的表現(xiàn)特征，在宏觀上對礦山的管理、區(qū)域安全等方面進(jìn)行量化評估。并通過實時的數(shù)據(jù)補充及模型修正，實現(xiàn)對礦山以及集團的安全預(yù)測，減少事故的發(fā)生。

(1)數(shù)據(jù)批處理計算子系統(tǒng)。數(shù)據(jù)批處理計算子系統(tǒng)不同于數(shù)據(jù)流式計算子系統(tǒng)，批量處理計算子系統(tǒng)通過對集團數(shù)據(jù)中心的所有相關(guān)數(shù)據(jù)進(jìn)行訪問，通過宏觀的概念建立集團公司層面的數(shù)據(jù)分析模型，對整個集團公司內(nèi)部的各個影響因素進(jìn)行評價與量化，實現(xiàn)對集團公司的整體安全把控。

(2)海量數(shù)據(jù)存儲與查詢服務(wù)子系統(tǒng)與分布式NoSQL數(shù)據(jù)庫。不同于礦級海量數(shù)據(jù)存儲與查詢服務(wù)子系統(tǒng)，集團公司端海量數(shù)據(jù)存儲與查詢子服務(wù)系統(tǒng)是基于集團內(nèi)所有礦山的數(shù)據(jù)，而不是單獨針對于每一個礦山。通過對所有礦山數(shù)據(jù)的把控，能夠在整體上實現(xiàn)宏觀層面的安全。集團公司端分布式NoSQL數(shù)據(jù)庫則同于礦級分布式NoSQL數(shù)據(jù)庫。

3.2.4 云基礎(chǔ)設(shè)施與大數(shù)據(jù)處理支撐環(huán)境管理

云基礎(chǔ)設(shè)施是搭建在集團公司的所有大數(shù)據(jù)平臺的支撐，通過在集團公司總部的機房進(jìn)行基礎(chǔ)設(shè)施搭建形成私有云，保證了數(shù)據(jù)層面的安全性。同時，對集團公司所有數(shù)據(jù)進(jìn)行預(yù)估計算，更加合理的搭建集團云。

大數(shù)據(jù)處理支撐環(huán)境管理主要包括用戶注冊與管理子系統(tǒng)、視頻監(jiān)控子系統(tǒng)、生產(chǎn)調(diào)度子系統(tǒng)、OA子系統(tǒng)、服務(wù)質(zhì)量優(yōu)化與評價子系統(tǒng)等。通過這些子系統(tǒng)的建立，能夠?qū)Υ髷?shù)據(jù)處理支撐環(huán)境進(jìn)行良好的支撐與保障，實現(xiàn)大數(shù)據(jù)平臺的穩(wěn)定性與可靠性。

4 結(jié)語

煤炭作為傳統(tǒng)能源，在我國能源消費中一直占有較高的比重。隨著科學(xué)技術(shù)的發(fā)展，信息化礦山、數(shù)字化礦山、智慧礦山等概念陸續(xù)被提出和應(yīng)用，但對于礦山的海量數(shù)據(jù)的分析，仍然沒有很好的對策。在當(dāng)前的大數(shù)據(jù)時代，計算機技術(shù)的高速發(fā)展對礦山海量數(shù)據(jù)分析提供了技術(shù)層面的支持。基于云計算大數(shù)據(jù)挖掘技術(shù)，能夠?qū)ΦV山安全隱患提供預(yù)警，進(jìn)一步保障了礦山的安全生產(chǎn)。

[1] 劉海濱，劉浩，劉曦萌.煤礦安全數(shù)據(jù)分析與輔助決策云平臺研究[J].中國煤炭，2017(4)

[2] 趙丹，劉劍，馬恒等.煤礦安全監(jiān)測監(jiān)控系統(tǒng)傳感器設(shè)置[J].煤炭安全，2009 (10)

[3] 胡東濤.基于物聯(lián)網(wǎng)的非煤地下礦山安全監(jiān)測預(yù)警決策平臺研究[D]．武漢理工大學(xué)，2014

[4] 張旭平，趙甫胤，孫彥景.基于物聯(lián)網(wǎng)的智慧礦山安全生產(chǎn)模型研究[J]．煤炭工程，2012(10)

[5] 冀汶莉.煤礦安全綜合監(jiān)控系統(tǒng)的數(shù)據(jù)集成與應(yīng)用研究[D].西安科技大學(xué)，2005

[6] 鄭緒新，劉光萍.基于煤礦事故類型的灰關(guān)聯(lián)熵分析[J].煤炭技術(shù)，2010(8)

[7] 龍傲雪，田如成.煤礦事故類型的灰色關(guān)聯(lián)分析[J].中州煤炭，2009 (9)

[8] 覃容，彭冬芝.事故致因理論探討[J].華北科技學(xué)院學(xué)報，2005 (3)

[9] 蔣軍成.突變理論及其在安全工程中的應(yīng)用[J].南京化工大學(xué)學(xué)報，1999(1)

[10] 盧建軍.礦山事故致因理論探討[J].礦業(yè)快報，2007(10)

[11] 張勝強.我國煤礦事故致因理論及預(yù)防對策研究[D].浙江大學(xué)，2004

[12] 劉鵬.云計算[M].北京:電子工業(yè)出版社，2010

[13] 丁巖，楊慶平，錢煜明.基于云計算的數(shù)據(jù)挖掘平臺架構(gòu)及其關(guān)鍵技術(shù)研究[J].中興通訊技術(shù)，2013(1)

[14] 吳朱華.云計算核心技術(shù)剖析[M].北京:人民郵電出版社,2011

[15] Hwang K，F(xiàn)ox G，Dongarra J.云計算與分布式系統(tǒng):從并行處理到物聯(lián)網(wǎng) (英文版)[M].北 京:機械工業(yè)出版社,2012

[16] 何清，莊福振.基于云計算的大數(shù)據(jù)挖掘平臺[J].中興通訊技術(shù)，2013(4)

[17] 賀瑤，王文慶，薛飛.基于云計算的海量數(shù)據(jù)挖掘研究[J].計算機技術(shù)與發(fā)展，2013(2)

[18] 李學(xué)鋒，謝長江，段希祥.我國礦山信息化現(xiàn)狀及發(fā)展途徑探討[J].礦業(yè)研究與開發(fā)，2004 (6)

[19] 趙安新.數(shù)字化礦山及其關(guān)鍵技術(shù)應(yīng)用與研究[D].西安科技大學(xué)，2006

[20] 徐靜，譚章祿.智慧礦山系統(tǒng)工程與關(guān)鍵技術(shù)探討[J].煤炭科學(xué)技術(shù)，2014 (4)

Studyonearlywarningsystemofcoalmineaccidentsbasedoncloudcomputingandbigdatacrunchingplatform

Shen Zhuo1,2

(1. School of Management, China University of Mining & Technology, Beijing, Haidian, Beijing 100083, China;2. National Institute for Occupational Safety, Chaoyang, Beijing 100029, China)

Factors that may cause mine accidents were analyzed, using the principles of cloud computing and data mining to analyze the relevance of each event, the cross data analysis model in the field of coal mine safety production was built up. Early warning system for mine accidents was studied and designed and the design of end system of mines and group companies were introduced in detail. According to the analysis results, the system could detect, analyze and judge the state of safety production and information that may cause accidents in advance, and release early warning information of safety production timely, so as to minimize the probability of accidents.

coal mine safety, big data crunching, cloud computing, data processing, early warning information

申琢.基于云計算和大數(shù)據(jù)挖掘的礦山事故預(yù)警系統(tǒng)研究與設(shè)計[J].中國煤炭，2017，43(12)：109-114.

Shen Zhuo. Study on early warning system of coal mine accidents based on cloud computing and big data crunching platform[J].China Coal，2017，43(12)：109-114.

TD-76

A

申琢(1983-)，女，山西聞喜人，中國礦業(yè)大學(xué)(北京)管理學(xué)院在讀博士，主要研究方向為安全管理。

(責(zé)任編輯 路 強)