李春霞 孟凡強(qiáng)

[摘 ? ?要] 為了挖掘采煤工作面安全監(jiān)測(cè)數(shù)據(jù)潛在的價(jià)值，應(yīng)用關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)，構(gòu)建基于大數(shù)據(jù)挖掘采煤工作面安全預(yù)警管理方法。該方法以工作面多源大數(shù)據(jù)為基礎(chǔ)，通過(guò)挖掘數(shù)據(jù)間關(guān)聯(lián)關(guān)系，實(shí)現(xiàn)采煤工作面安全風(fēng)險(xiǎn)的識(shí)別與預(yù)警，并以山東某礦綜采工作面安全監(jiān)測(cè)數(shù)據(jù)為例，關(guān)聯(lián)規(guī)則挖掘結(jié)果表明，采用關(guān)聯(lián)規(guī)則挖掘的專家系統(tǒng)可對(duì)采煤工作面進(jìn)行安全預(yù)警。

[關(guān)鍵詞] 采煤工作面;安全預(yù)警;專家系統(tǒng);關(guān)聯(lián)規(guī)則;安全管理

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2020. 23. 053

[中圖分類(lèi)號(hào)] F270.7 ? ?[文獻(xiàn)標(biāo)識(shí)碼] ?A ? ? ?[文章編號(hào)] ?1673 - 0194（2020）23- 0129- 03

0 ? ? ?引 ? ?言

采煤工作面作為煤炭的主要生產(chǎn)場(chǎng)所，空間狹窄，環(huán)境復(fù)雜，設(shè)備多，作業(yè)人員集中，是一個(gè)復(fù)雜的社會(huì)技術(shù)系統(tǒng)[1]。應(yīng)用系統(tǒng)工程分析方法，全面分析采煤工作面的風(fēng)險(xiǎn)因素，建立采煤工作面安全預(yù)警專家系統(tǒng)，可對(duì)風(fēng)險(xiǎn)進(jìn)行預(yù)警。

1 ? ? ?一般專家系統(tǒng)

一般傳統(tǒng)采煤工作面安全預(yù)警專家系統(tǒng)由知識(shí)庫(kù)、數(shù)據(jù)庫(kù)、推理機(jī)、解釋器、知識(shí)獲取系統(tǒng)與人機(jī)接口組成。知識(shí)庫(kù)、推理機(jī)作為系統(tǒng)的核心，用來(lái)存儲(chǔ)采煤安全專家經(jīng)驗(yàn)知識(shí)和已知的事實(shí)、產(chǎn)生式規(guī)則等[2]，系統(tǒng)結(jié)構(gòu)如圖1所示。

知識(shí)獲取是構(gòu)建知識(shí)庫(kù)的核心，由于受領(lǐng)域?qū)＜抑R(shí)或知識(shí)工程師技能局限性影響，所獲取的知識(shí)存在不完整、片面性或者不準(zhǔn)確問(wèn)題，導(dǎo)致知識(shí)庫(kù)構(gòu)建過(guò)程中推理結(jié)論不準(zhǔn)確[3]。

數(shù)據(jù)挖掘（Data Mining，DM）從大量的、不完全的、模糊的數(shù)據(jù)中，提取隱含的有價(jià)值的信息，是從數(shù)據(jù)中發(fā)現(xiàn)模式算法的最好方式[3]。為此，文章主要是研究將數(shù)據(jù)挖掘技術(shù)用于專家系統(tǒng)中，改善采煤工作面安全預(yù)警專家系統(tǒng)中的知識(shí)獲取“瓶頸”問(wèn)題[4]，以便更好地實(shí)現(xiàn)采煤工作面安全預(yù)警管理。

2 ? ? ?采煤工作面安全預(yù)警多元數(shù)據(jù)源

采煤工作面安全預(yù)警需要對(duì)測(cè)量的參數(shù)進(jìn)行選擇和采集，直接測(cè)量的參數(shù)包括工作面環(huán)境參數(shù)，如瓦斯?jié)舛取L(fēng)速、風(fēng)量、CO濃度等[5-6];此外，還有視頻、維護(hù)維修管理等大量的非結(jié)構(gòu)化數(shù)據(jù)[7]。

多元數(shù)據(jù)來(lái)源主要包括：

（1）初始數(shù)據(jù)庫(kù)。包括采煤工作面各類(lèi)知識(shí)清單及各項(xiàng)規(guī)章制度、資料、文件等。知識(shí)清單如采煤作業(yè)系統(tǒng)知識(shí)、運(yùn)輸系統(tǒng)知識(shí)、通風(fēng)系統(tǒng)知識(shí)、供電系統(tǒng)知識(shí)、排水系統(tǒng)知識(shí)、輔助作業(yè)系統(tǒng)知識(shí);頂板管理知識(shí)、瓦斯與粉塵治理知識(shí)、水災(zāi)防治知識(shí)、火災(zāi)危害知識(shí)、機(jī)電事故知識(shí)、運(yùn)輸事故知識(shí)以及放炮事故風(fēng)險(xiǎn)知識(shí)[5]。

（2）運(yùn)行數(shù)據(jù)庫(kù)。采煤工作面運(yùn)行數(shù)據(jù)庫(kù)由采煤工作面環(huán)境、設(shè)備運(yùn)行、頂板壓力等狀態(tài)信息構(gòu)成。如前所述，這些信息通過(guò)自動(dòng)化監(jiān)測(cè)傳感器收集。

（3）管理數(shù)據(jù)庫(kù)。包括工作面日常維護(hù)、維修以及相關(guān)的維護(hù)設(shè)備材料、事故處理和管理人員等數(shù)據(jù)[8]。管理人員數(shù)據(jù)主要包括維修人員的學(xué)歷、專業(yè)水平、個(gè)人技能、工作年限、崗位職責(zé)等。

（4）其他相關(guān)數(shù)據(jù)庫(kù)。與采煤工作面有關(guān)但還不能確認(rèn)的相關(guān)聯(lián)數(shù)據(jù)。

3 ? ? ?基于關(guān)聯(lián)規(guī)則挖掘的采煤工作面安全預(yù)警專家系統(tǒng)

文章采用關(guān)聯(lián)規(guī)則分析方法。

數(shù)據(jù)挖掘的技術(shù)路線是對(duì)工作面全部安全生產(chǎn)數(shù)據(jù)進(jìn)行關(guān)聯(lián)性深度挖掘[8]，分別取得工作面正常工作模式對(duì)應(yīng)的數(shù)據(jù)指標(biāo)及工作面存在風(fēng)險(xiǎn)時(shí)對(duì)應(yīng)的數(shù)據(jù)指標(biāo)，將收集到的數(shù)據(jù)進(jìn)行對(duì)比，從而對(duì)工作面安全狀況作出預(yù)測(cè)判斷。

3.1 ? 數(shù)據(jù)預(yù)處理

海量數(shù)據(jù)的預(yù)處理是采煤工作面安全預(yù)警的一個(gè)重要步驟，一般包括結(jié)構(gòu)化處理、數(shù)據(jù)清洗與集成、選擇與變換[7，10]。

（1）結(jié)構(gòu)化處理：工作面日常維護(hù)、維修以及相關(guān)的維護(hù)設(shè)備材料、事故處理和管理人員等數(shù)據(jù)多以文本形式存儲(chǔ)，數(shù)據(jù)挖掘模型難以對(duì)這些非結(jié)構(gòu)化信息直接處理，需要對(duì)這些文本進(jìn)行結(jié)構(gòu)化處理，形成結(jié)構(gòu)化數(shù)據(jù)。

（2）數(shù)據(jù)清洗與集成：在收集到的原始數(shù)據(jù)通常存在大量的異常數(shù)據(jù)，如關(guān)鍵指標(biāo)偏離期望值、關(guān)鍵屬性信息缺失、錯(cuò)誤類(lèi)型數(shù)據(jù)等。采用平滑噪聲數(shù)據(jù)、填補(bǔ)遺漏缺失數(shù)據(jù)、剔除異常數(shù)據(jù)進(jìn)行處理，并將數(shù)據(jù)結(jié)構(gòu)標(biāo)準(zhǔn)化處理。

（3）數(shù)據(jù)選擇與變換：根據(jù)業(yè)務(wù)需求選擇數(shù)據(jù)信息，然后進(jìn)行數(shù)據(jù)格式化處理，統(tǒng)一編碼，形成安全預(yù)警數(shù)據(jù)庫(kù)，以備數(shù)據(jù)挖掘使用。

3.2 ? 風(fēng)險(xiǎn)預(yù)警信息關(guān)聯(lián)規(guī)則挖掘

設(shè)項(xiàng)集I={i1，i2，…，in};TR是事物的集合;TR？奐I，并且TR是一個(gè){0，1}屬性集合。設(shè)X是一個(gè)項(xiàng)集，且X？哿TR。關(guān)聯(lián)規(guī)則是形如X？圯Y的蘊(yùn)含式，其中X？哿I，Y？哿I，且X∩Y=φ，X—規(guī)則的條件（前件），Y—規(guī)則的結(jié)果（后件）[11]。

（1）支持度：關(guān)聯(lián)規(guī)則對(duì)事物TR的支持度（support）定義為同時(shí)包含有事物X、Y的交易數(shù)與所有交易數(shù)之比，描述為：

support（XY）=P（X∪Y）（1）

反映了項(xiàng)集X、Y在事物集TR同時(shí)出現(xiàn)的概率。

（2）置信度：關(guān)聯(lián)規(guī)則對(duì)事物TR的支持度（confidence）定義為包含有事物X、Y的交易數(shù)與包含X交易數(shù)之比，描述為：

confidence（X？圯Y）=P（X|Y）（2）

反映了數(shù)據(jù)集中出現(xiàn)項(xiàng)集X的同時(shí)又出現(xiàn)項(xiàng)集Y的條件概率。

關(guān)聯(lián)規(guī)則的支持度和置信度分別反映了所發(fā)現(xiàn)規(guī)則的有用性和確定性，一般的用戶可以定義兩個(gè)閉值，分別為最小支持度閾值和最小置信度閾值。當(dāng)挖掘出的關(guān)聯(lián)規(guī)則的支持度和置信度都滿足這兩個(gè)閉值時(shí)，就可以認(rèn)為這個(gè)規(guī)則是有效的，否則就是無(wú)效的規(guī)則[10]。

3.3 ? 基于關(guān)聯(lián)規(guī)則挖掘的專家系統(tǒng)

圖2是按照上述方法構(gòu)成的基于關(guān)聯(lián)規(guī)則挖掘的專家系統(tǒng)。從結(jié)構(gòu)上看，該系統(tǒng)同樣包含知識(shí)庫(kù)、推理機(jī)、解釋器等傳統(tǒng)專家系統(tǒng)所具有的功能模塊，但二者實(shí)現(xiàn)方法有很大區(qū)別。數(shù)據(jù)挖掘?qū)＜蚁到y(tǒng)的知識(shí)獲取包括領(lǐng)域?qū)＜医鉀Q實(shí)際問(wèn)題的案例、安全隱患?xì)v史數(shù)據(jù)等。經(jīng)過(guò)挖掘算法學(xué)習(xí)訓(xùn)練后的數(shù)據(jù)，以數(shù)據(jù)挖掘模型的形式存在于專家系統(tǒng)中。在推理時(shí)，由診斷程序和控制知識(shí)自動(dòng)完成整個(gè)診斷推理的流程，增強(qiáng)了工作面安全隱患診斷的“智能”性。當(dāng)診斷完成后，解釋系統(tǒng)給出推理的全過(guò)程。

4 ? ? ?應(yīng)用實(shí)例

以山東某礦綜采工作面安全監(jiān)測(cè)數(shù)據(jù)為例，利用關(guān)聯(lián)規(guī)則挖掘技術(shù)，挖掘不同工作時(shí)間段與監(jiān)測(cè)數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。根據(jù)該礦地質(zhì)構(gòu)造、賦存條件分析，影響工作面安全預(yù)警的因素主要是瓦斯、一氧化碳、通風(fēng)、溫度等。所有安全監(jiān)測(cè)數(shù)據(jù)與重要操作事件參數(shù)均存入關(guān)系數(shù)據(jù)庫(kù)。

截取2017年1-4月部分?jǐn)?shù)據(jù)，原始資料如表1所示。

應(yīng)用數(shù)據(jù)挖掘算法計(jì)算，并對(duì)瓦斯、一氧化碳、工作面溫度關(guān)聯(lián)規(guī)則進(jìn)行可視化處理，如圖3所示。由圖可知，早6：00-8：00時(shí)間段內(nèi)，工作面溫度高，風(fēng)速低。原因是該時(shí)間段為夜班、早班交接時(shí)，夜班工人正在升井，早班工人還沒(méi)到崗，井下值班領(lǐng)導(dǎo)、安全人員沒(méi)有到位，工作面無(wú)人監(jiān)管，出現(xiàn)通風(fēng)機(jī)停止或風(fēng)門(mén)沒(méi)關(guān)閉等現(xiàn)象，導(dǎo)致工作面通風(fēng)不好，這樣很可能會(huì)導(dǎo)致瓦斯等有害氣體濃度升高，容易發(fā)生事故。

5 ? ? ?結(jié) ? ?論

應(yīng)用大數(shù)據(jù)挖掘技術(shù)的采煤工作面安全預(yù)警專家系統(tǒng)，構(gòu)建采煤工作面安全預(yù)警方法，以工作面安全監(jiān)測(cè)、安全管理數(shù)據(jù)為基礎(chǔ)，通過(guò)挖掘數(shù)據(jù)間的關(guān)聯(lián)關(guān)系，實(shí)現(xiàn)工作面安全風(fēng)險(xiǎn)的識(shí)別與預(yù)警，對(duì)預(yù)防煤礦事故的發(fā)生起到積極作用。

主要參考文獻(xiàn)

[1]張志建.采煤工作面生產(chǎn)的安全管理與技術(shù)措施[J].內(nèi)蒙古煤炭經(jīng)濟(jì)，2014（10）：73.

[2]王文杰，葉世偉.人工智能原理與應(yīng)用[M].北京：人民郵電出版社，2004.

[3]李雄飛，董元方，李軍.數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)[M].北京：高等教育出版社，2010.

[4]邢平平，施鵬飛.農(nóng)業(yè)專家系統(tǒng)中的數(shù)據(jù)挖掘及其應(yīng)用[C]//第四屆全國(guó)農(nóng)業(yè)知識(shí)工程學(xué)術(shù)會(huì)議，1999-01-01.

[5]中國(guó)法制出版社.煤礦安全規(guī)程[M].2016年修訂版.北京：中國(guó)法制出版社，2011.

[6]姜福興.采煤工作面頂板控制設(shè)計(jì)及其專家系統(tǒng)[M].北京：煤炭工業(yè)出版社，2010.

[7]王新浩，羅云，李桐，等.基于大數(shù)據(jù)的特種設(shè)備宏觀安全風(fēng)險(xiǎn)預(yù)警方法研究[J].中國(guó)安全生產(chǎn)科學(xué)技術(shù)，2018（4）.

[8]趙丹，陳帥，潘競(jìng)濤.礦井監(jiān)控預(yù)警診斷系統(tǒng)研究[J].中國(guó)安全科學(xué)學(xué)報(bào)，2015，25（4）：63-69.

[9]程翔，甘拯.基于大數(shù)據(jù)挖掘的安全監(jiān)測(cè)資料分析模型技術(shù)研究[J].低碳世界，2016（28）：101-102.

[10]郭宇棟，李生林.大數(shù)據(jù)關(guān)鍵技術(shù)在基建營(yíng)房綜合管理系統(tǒng)中的應(yīng)用[J].物流技術(shù)，2016，35（5）：169-175.

[11]Bahn S. Workplace Hazard Identification and Management：The Case of an Underground Mining Operation[J].Safety Science， 2013，57（8）：129-137.

[12]戴紅，常子冠，于寧.數(shù)據(jù)挖掘?qū)д揫M].北京：清華大學(xué)出版社，2015.

[13]趙長(zhǎng)明.智能分揀技術(shù)在公安應(yīng)急物資倉(cāng)儲(chǔ)智能化建設(shè)中的運(yùn)用[J].中國(guó)管理信息化，2020（9）：187-188.