大數據技術在煤礦安全生產運營管理中的應用探索

馬見強

【摘 ?要】目前對煤礦生產技術、與煤礦相關的業務管理、煤礦生產綜合自動化以及相關的監控監測技術等大量數據的處理還是沿用傳統的統計技術?；诖?，本文著重研究利用大數據技術建立煤礦安全輔助生產管理模型的方法，統一管理煤礦生產作業中產生的海量數據，并對海量數據進行進一步深度挖掘，為煤礦安全生產運營中使用大數據技術奠定了理論基礎。

【關鍵詞】大數據技術;煤礦;安全生產

引言

隨著煤礦安全監測技術和煤礦生產作業自動化技術的長足進步，煤礦的安全生已經得到了行之有效的保障。伴隨著煤礦生產自動信息化水平的提高，類似于監測數據、安全生產管理信息等多種類、海量數據還是沿用著傳統的統計匯報制度，各個種類數據之間的關系沒有被深度挖掘，失去了數據關聯給安全管理帶來的大好益處。通過大數據建立的生產災害預警模型可以為煤礦安全生產的領導者提供決策依據，繼而提出更好的解決措施。

1.大數據背景下的安全生產管理特征

分布式儲存和計算與生產相關的結構數據和非結構數據，提取研究對象特征，并利用歸一或清洗等數學手段處理特征數據，將處理后的特征數據依靠計算機相關算法建立對應的數學模型，通過模型去探尋研究對象和研究對象特征之間內在聯系，繼而盡可能科學合理的預測研究對象未來的發展方向，這就是大數據管理的基本內涵。那些信息體量大、種類繁多、信息產出頻率較大且價值量不是很高的數據是大數據主要處理的對象，煤礦企業產生的數據特點如下：

（1）體量巨大。大量的監測、設備運轉、圖形以及相關處理措施的文檔等數據隨著煤礦的生產不斷產生，由于煤礦生產系統較其他行業復雜，所以產生的數據體量更為龐大。拿一個規模適中的煤礦企業來說，一天之內產生的安全監測數據就達到了1.024×104MB，將一個中型煤礦企業的機電設計、監測工作面采掘通風、巷道工程設計文件中所有圖形壓縮后還有大約1.024×105MB之多。這僅僅是一年產生的數據，那么煤炭企業生產經營了十年或者更久的數據量有多大，可想而知。傳統的處理方法根本沒有能力保存體量如此巨大的數據，所有煤炭企業幾乎都是采用定期刪除所有生產數據，這其中包括那些具有極大分析價值的安全數據，這給煤炭企業帶來了巨大損失。

（2）種類繁多。煤礦生產過程中產生的數據種類繁多，大致可以歸為三類。第一類是結構化數據，第二類是半結構化數據，第三類是非結構化數據。如安全監測、人員定位、煤炭產量、生產過程采用的自動化機械設備運行等數據屬于第一類;如采掘工作面的監控視頻等屬于第二類;現場煤礦生產的應急預案等屬于第三類。

（3）價值密度低。例如煤礦井下作業的安全數據大多數時候不會發生較大波動，該結構數據主要是以時間序列為主的穩定狀態數據，對其分析的意義和價值并不大，涉及到煤礦生產事故或煤礦災害的異常數據占比卻很小;與此同時，非結構數據雖然占比較大，但是其中不乏分析價值較低的非結構數據，所以煤礦生產產生的大體量數據中存有大量無分析價值的數據。

（4）產生速度快。隨著科學技術和自動化技術的不斷進步，無論是安全監測系統還是煤礦生產管理系統基本都實現了高度自動化，可以確保煤礦生產作業全天候進行，這是煤礦生產作業產生數據快的根本原因。

2.煤礦生產大數據框架的建設

煤礦生產產生的數據符合大數據的基本特征，所以與煤礦生產有關數據的分析和挖掘可以利用大數據技術來完成，通過大數據技術的應用，可以科學診斷出煤礦生產過程中存在的安全隱患以及重大災害發生的可能性。關于煤礦生產企業的特點、煤礦企業大數據的梳理分析以及預測影響煤礦生產的安全隱患的計算需求，最終確定煤礦生產大數據框架建設需要3個層次的技術框架。第一個層次是存儲層、第二個層次是框架層、第三個層次是服務層。

3.關于煤礦安全生產管理方面的大數據模型

3.1專家知識庫

整理煤礦行業內相關規章制度和與煤礦安全生產有關的理論知識，繼而為煤礦生產大數據計算提供規則支撐的過程就是煤礦企業構建安全生產專家庫的過程。其構建基本流程如下：流程建設大框架是先建設煤礦生產安全知識體系，在通過相對應的知識表達式建立總體知識數據庫。煤礦安全生產知識體系的建立主要是依據《煤礦安全規程》、《安全生產法》等與煤炭企業安全生產有關的法律法規來建立的，在此基礎上建立煤炭企業安全生產知識數據庫。概念和邏輯數據模型結構是安全動態專家知識數據庫的主要組織部分，其形成過程是通過深度分析煤礦生產過程的實施方案、生產作業的規章制度以及采煤過程中采取的工程措施來實現的。專家庫的評分制度和基本策略以及體系自身的維是由元數據管理系統的開發應有來實現的，除了元數據系統的開發之外，還需要對知識的增加、知識的刪減、知識的更新以及檢查知識的正確性和是否存在歧義性進行知識庫管理系統的開發。

3.2評價指標庫

煤礦安全生產作業是一個復雜的動態系統，該動態系統包括工作人員、生產作業用的機械設備以及采煤作業環境。作業單元存在諸多危險因素，如瓦斯爆炸、采煤頂板塌陷事故、地下水突涌以及機械設備故障等，與作業單元相似，采煤作業的空間分布也同樣面臨諸多相似的危險因素。煤礦生產過程中會出現很多危險源，這些危險源類型不同，需要對這些危險源進行量化評估，而對這些危險源進行量化的最好方法是建立評價指標庫。目前針對煤礦生產安全狀況的評價方法主要有四種。第一種是利用評價結果的量化程度來劃分;第二種是利用評價結果的推導過程來劃分;第三種是利用評價系統的專屬性質來劃分;第四種是利用評價系統所達到的預期目的來進行劃分。

4.煤礦安全管理中大數據技術的應用前景

4.1積極轉變管理思維，促進技術認知的強化

當前國家對煤礦安全問題給予了越來越高的關注，如何進行煤礦安全管理工作已經成為至關重要的課題，有研究調查表明我國因為煤礦生產造成的死亡人數實現了明顯下降，主要是因為應用了大數據，雖然與發達國家相比還存在較大差距，但是通過大數據這一窗口能夠加強煤礦安全管理工作。加上煤礦數據自身具有價值密度低、變化快以及體量大等大數據的特點，所以在煤礦安全管理中應用大數據至關重要，很大程度上能夠促進煤礦安全隱患的降低。煤礦生產在時代發展中實現了信息化建設，在長時間不斷探索中獲得了相應成效，產生了較多數據信息，如環境檢測數據、礦圖數據、礦山地質數據以及監控數據等，主要分為非結構化與結構化兩種，其中結構化數據占據了主導地位，所以管理人員與實際情況相結合進行管理思維的轉變，對數據信息進行全面分析。

5.結束語

通過大量實踐可知，煤礦生產作業產生的大量數據在大數據技術的處理下，可以得到較為科學的分析和推理，為煤礦企業安全生產預測提供了科學依據，對煤礦安全生產管理方面的提升有較大促進作用。

參考文獻

[1]劉香蘭.煤礦安全生產大數據分析與管理平臺設計研究[J].煤炭工程，2017（06）：32-35.

[2]劉香蘭.煤礦安全生產大數據分析與管理平臺設計研究[J].煤炭工程，2017，（6）：32-35.

[3]馬小平，代偉.大數據技術在煤炭工業中的研究現狀與應用展望[J].工礦自動化，2018，（1）：50-54.