基于動態(tài)數(shù)據(jù)驅(qū)動的煤礦瓦斯異常涌出風險預警系統(tǒng)設計*

張巨峰，施式亮，邵淑珍，游 波，吳芳華，張立志

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

0 引言

煤炭是我國的基礎能源，據(jù)專家預測，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，今后相當長時期內(nèi)煤炭在我國能源消費結構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，災害風險愈加增大，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%，因瓦斯異常涌出導致的爆炸事故62起，占總數(shù)的34%[4]，其中最為嚴重的當屬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致3316風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，瓦斯異常涌出風險預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、信息處理等技術的發(fā)展和新工藝、新方法的應用，礦井安全監(jiān)測監(jiān)控正向智能化方向發(fā)展[6-9]，瓦斯異常涌出風險預警也取得了豐碩成果。肖丹等[10]通過對瓦斯異常涌出致災因素識別，基于灰色理論建立了瓦斯異常涌出灰色預測預警模型，預測結果與實測結果基本一致；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，并結合小波閾值去噪方法，構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警模型；馬麗娟[14]根據(jù)瓦斯?jié)舛鹊淖兓手笜耍瑧媚：龜?shù)學原理及模式識別技術構建危險識別預測模型，并采用Fishe判別法確定危險臨界值，動態(tài)預測了不同區(qū)域的危險程度；楊艷國等[15]應用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警，這些研究成果均依靠系統(tǒng)的風險識別和預警模型，在可靠性和預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，無法滿足井下復雜環(huán)境條件下瓦斯異常涌出動態(tài)預警的要求。

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

1 動態(tài)數(shù)據(jù)驅(qū)動技術

動態(tài)數(shù)據(jù)驅(qū)動[16](Dynamic Data Driven，DDD)技術源于計算機領域，在災害風險識別和實時在線監(jiān)測預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)為導向，結合實時過程跟蹤數(shù)據(jù)，快速提取大量數(shù)據(jù)中能反應研究目標的關鍵信息，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)預定功能模塊控制技術，將仿真系統(tǒng)和實際系統(tǒng)有機結合，實現(xiàn)仿真系統(tǒng)與實際系統(tǒng)動態(tài)響應與動態(tài)控制的功能，并實時反饋校正，使模型分析結果更加準確、可靠。

動態(tài)數(shù)據(jù)驅(qū)動技術以實時監(jiān)測數(shù)據(jù)為依據(jù)，通過服務流引擎技術(Web Service)，將所有相關影響因素聯(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，通過調(diào)整組合形式，保障信息安全，形成服務協(xié)議。服務流引擎主要集中在服務組合、配置等信息設計階段和服務流管理、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)導入仿真系統(tǒng)，得出數(shù)據(jù)的預測特征；另一方面，將仿真系統(tǒng)得出的預測結果與原始系統(tǒng)的實際結果進行動態(tài)調(diào)整、修正，適應現(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)動應用思路流程Fig.1 Flow chart for application ideas of dynamic data-driven

2 瓦斯異常涌出預警體系架構

煤礦瓦斯異常涌出是1個多因素耦合的復雜問題，涉及地質(zhì)賦存條件致災作用機制、能量場時空演化及多因素耦合、采動擾動影響等[19-20]，在預警和控制方面，涉及瓦斯異常涌出記憶儲存、識別、響應應答、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上，研究瓦斯異常誘發(fā)因素的互為影響、動態(tài)變化和關聯(lián)特征，揭示異常涌出孕育演化過程及誘災變量間的時空演化機制；研究多物理場災變風險信息規(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險演化機制以及涌出行為指標關聯(lián)特征，探究誘發(fā)因素數(shù)據(jù)信息的內(nèi)在關聯(lián)性，搭建基于推理關系的風險指標共用快速關聯(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險早期識別模型。根據(jù)風險早期識別模型以及辨識結果，推算瓦斯異常涌出目標數(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險預警訓練集和測試集，探索瓦斯異常涌出行為模擬系統(tǒng)網(wǎng)絡拓撲結構，設計反演模擬系統(tǒng)內(nèi)誘發(fā)因素信息的數(shù)據(jù)關聯(lián)、融合、管理、智能分析等子系統(tǒng)，設計瓦斯異常涌出預警指標數(shù)據(jù)歸一化處理方法和關鍵預警模型參數(shù)，建立風險預警模型，揭示預警機制，基本原理如圖2所示。

圖2 礦井瓦斯異常涌出風險預警應用原理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)測預警體系架構(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)，構建瓦斯異常涌出表征特征庫、預警數(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警，最后結合實時監(jiān)測數(shù)據(jù)對預警模型參數(shù)進行修正，使預警結果更為真實。另外，煤礦各級應急管理部門對瓦斯異常涌出應急指揮中，依靠預警系統(tǒng)的初步預警結果，對瓦斯涌出監(jiān)測點的選取與布局進行優(yōu)化，進而構建瓦斯涌出災害演化過程及監(jiān)測曲線的動態(tài)變化與災害發(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)測預警體系架構Fig.3 Architecture of monitoring and early warning system of abnormal gas emission based on dynamic data-driven

3 瓦斯異常涌出預警系統(tǒng)關鍵技術

在基于動態(tài)數(shù)據(jù)驅(qū)動的瓦斯異常涌出風險預警體系架構的基礎上，預警系統(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)預警模型修正、預警系統(tǒng)研發(fā)等關鍵技術問題，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，預警模型的實時更新和動態(tài)修正，以及監(jiān)測預警任務的執(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，但煤礦井下環(huán)境復雜，電氣設備眾多，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、復雜，在風險預警時，預測模型或算法結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)修正預測模型，使瓦斯異常涌出預警結果更貼近實際的發(fā)生情況。

3.3 預警系統(tǒng)研發(fā)技術

基于動態(tài)數(shù)據(jù)驅(qū)動的瓦斯異常涌出預警系統(tǒng)架構，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警模型實時動態(tài)反饋、修正等基礎上，應用Web技術、數(shù)據(jù)庫技術、信息系統(tǒng)技術等，開發(fā)動態(tài)數(shù)據(jù)驅(qū)動的瓦斯異常涌出實時監(jiān)測預警系統(tǒng)，進行瓦斯異常涌出實時監(jiān)測預警任務的執(zhí)行和調(diào)度管理工作。

4 瓦斯異常涌出預警系統(tǒng)設計與研發(fā)

煤礦瓦斯異常涌出之前會出現(xiàn)一些前兆，預警系統(tǒng)就向相關機構或部門發(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)測預警是以瓦斯涌出動態(tài)監(jiān)測數(shù)據(jù)處理與分析、預警模型構建以及動態(tài)數(shù)據(jù)驅(qū)動的實時監(jiān)測數(shù)據(jù)與模型服務流為基礎的分析與處理。因此，通過瓦斯異常涌出預警系統(tǒng)架構設計，結合動態(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)測預警。

基于動態(tài)數(shù)據(jù)驅(qū)動的瓦斯異常涌出預警系統(tǒng)主要是依據(jù)煤礦瓦斯監(jiān)測設備、環(huán)境狀態(tài)監(jiān)測信息以及其他關聯(lián)信息，基于服務流引擎與動態(tài)數(shù)據(jù)驅(qū)動等關鍵技術，應用物聯(lián)網(wǎng)、數(shù)據(jù)傳感技術進行實時監(jiān)測數(shù)據(jù)的采集、傳輸，從大量異構性瓦斯數(shù)據(jù)中挖掘有益信息，構建瓦斯異常涌出風險模型，結合實時瓦斯涌出數(shù)據(jù)，進行風險動態(tài)識別和預警，瓦斯異常涌出風險在線預警系統(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)絡通訊模塊、數(shù)據(jù)庫、授權系統(tǒng)和業(yè)務操作模塊，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)在線預警系統(tǒng)的協(xié)同運作，提高瓦斯異常涌出風險的預警準確性和實時性，具體見表1。

圖4 瓦斯異常涌出在線預警系統(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警主要在于動態(tài)數(shù)據(jù)驅(qū)動技術的強大數(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警系統(tǒng)的數(shù)據(jù)庫。用戶通過設置時間間隔和其他相應參數(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，通過預測模型構建、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，繪制預測曲線圖表，以便用戶分析。

煤礦瓦斯異常涌出風險監(jiān)測預警系統(tǒng)通過WCF數(shù)據(jù)服務的方式實現(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。客戶端構建了顯示設置模塊，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警的關鍵，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、瓦斯預警模型動態(tài)修正以及數(shù)據(jù)服務流設計與實現(xiàn)等。瓦斯異常涌出監(jiān)測預警系統(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、瓦斯涌出預警模型調(diào)用、瓦斯預警實時數(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險預警系統(tǒng)Fig.6 Early warning system of abnormal gas emission risk based on dynamic data-driven

5 結論

1)基于動態(tài)數(shù)據(jù)驅(qū)動技術搭建瓦斯異常涌出風險預警系統(tǒng)應用架構，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警不過度依賴系統(tǒng)的預測模型，基于動態(tài)數(shù)據(jù)驅(qū)動的瓦斯異常涌出風險預警系統(tǒng)應解決瓦斯監(jiān)測曲線擬合、瓦斯動態(tài)涌出模型選擇和修正、預警系統(tǒng)研發(fā)等關鍵性技術。

3)應用服務流引擎技術研發(fā)基于動態(tài)數(shù)據(jù)驅(qū)動的煤礦瓦斯異常涌出風險預警系統(tǒng)，可煤礦瓦斯災害防治提供幫助。