智能化煤矿数据仓库建模方法

王霖, 方乾, 张晓霞, 苏上海, 施展, 王雅琨

王霖,方乾,张晓霞,等. 智能化煤矿数据仓库建模方法[J]. 工矿自动化,2022,48(4):5-13. DOI: 10.13272/j.issn.1671-251x.2021120007
引用本文: 王霖,方乾,张晓霞,等. 智能化煤矿数据仓库建模方法[J]. 工矿自动化,2022,48(4):5-13. DOI: 10.13272/j.issn.1671-251x.2021120007
WANG Lin, FANG Qian, ZHANG Xiaoxia, et al. Intelligent coal mine data warehouse modeling method[J]. Journal of Mine Automation,2022,48(4):5-13. DOI: 10.13272/j.issn.1671-251x.2021120007
Citation: WANG Lin, FANG Qian, ZHANG Xiaoxia, et al. Intelligent coal mine data warehouse modeling method[J]. Journal of Mine Automation,2022,48(4):5-13. DOI: 10.13272/j.issn.1671-251x.2021120007

智能化煤矿数据仓库建模方法

基金项目: 中国煤炭科工集团科技创新创业资金专项项目(2019-2-ZD002);中国煤炭科工集团重点项目(2021-TD-ZD001);北京市科技计划应用技术协同创新资助项目(Z201100004520015)。
详细信息
    作者简介:

    王霖(1986-),男, 山西太原人,助理研究员,硕士,现主要从事煤矿大数据技术研究工作,E-mail:wanglin@ccteg-bigdata.com

    通讯作者:

    方乾(1994-),男, 湖北黄冈人,助理研究员,硕士,主要从事大数据、人工智能等技术研究工作,E-mail:fangqian@ccteg-bigdata.com

  • 中图分类号: TD67

Intelligent coal mine data warehouse modeling method

  • 摘要: 煤矿海量数据存在“数据孤岛”、关联性弱、因缺乏数据管理体系而导致数据质量差等问题,难以充分利用,无法为煤矿智能化提供分析决策支撑。数据仓库可满足煤矿多源异构数据集成需求,为煤矿智能化应用提供数据基础。通过分析煤矿数据类型、特点及实际数据智能化应用需求,研究了智能化煤矿数据仓库建模方法。首先,构建了智能化煤矿数据仓库分层架构,分析了原始数据层、明细数据层、基础指标层、服务数据层、公共维度层数据模型特点;其次,以综采工作面数据为例,从业务数据分析、应用需求分析、分层架构设计等方面阐述了数据仓库建模过程;再次,介绍了煤矿数据仓库中数据模型构建方法,即通过维度对齐、维度关联、维度化指标聚合等将原始数据转换为数据仓库维度模型,解决了不同维度的煤矿数据关联应用问题;最后,为解决煤矿数据仓库的可迁移性问题,提出了煤炭行业通用数据仓库+参数化ETL(抽取、转换、加载)方法的煤矿参数化数据仓库设计思路。在实验室环境下搭建了煤矿数据仓库平台,对山西天地王坡煤业有限公司综采工作面数据进行处理,并基于处理数据辅助机理模型分析、实现可视化管理驾驶舱,验证了智能化煤矿数据仓库的实用性;对比了原始数据模型与智能化煤矿数据仓库的性能指标,结果表明智能化煤矿数据仓库的数据组织度、模型复用度和迭代难易度均优于原始数据模型,且数据查询响应时间缩短50%以上。
    Abstract: The coal mine massive data has problems such as 'data island', weak correlation, poor data quality due to lack of data management system. It is difficult to make full use of the data and provide analysis and decision-making support for coal mine intelligence. The data warehouse can meet the requirements of multi-source heterogeneous data integration in coal mine, and provide data basis for intelligent application in coal mine. By analyzing the coal mine data types, characteristics and intelligent application requirements of actual data, the intelligent coal mine data warehouse modeling method is studied. Firstly, the layered architecture of intelligent coal mine data warehouse is constructed, and the characteristics of data model of original data layer, detailed data layer, basic index layer, service data layer and public dimension layer are analyzed. Secondly, taking the data of fully mechanized working face as an example, the modeling process of data warehouse is expounded from the aspects of business data analysis, application demand analysis and layered architecture design. Thirdly, the construction method of data model in coal mine data warehouse is introduced. The original data is transformed into data warehouse dimensional model through dimension alignment, dimension association and dimensional index aggregation. The method solves the application problem of coal mine data association in different dimensions. Finally, in order to solve the problem of portability of coal mine data warehouse, the design idea of coal mine parametric data warehouse based on general data warehouse in coal mine industry + parametric ETL (extraction-transformation-load) method is proposed. The platform of coal mine data warehouse in the laboratory environment is set up to process the data of fully mechanized working face of Shanxi Tiandi Wangpo Coal Industry Co., Ltd. The auxiliary mechanism model analysis and visual management cockpit are realized based on the processing data, which verifies the practicability of intelligent coal mine data warehouse. The performance indexes of the original data model and the intelligent coal mine data warehouse are compared. The results show that the data organization, model reuse and iteration difficulty of the intelligent coal mine data warehouse are better than those of the original data model, and the data query response time is shortened by more than 50%.
  • 为了减少巷道掘进量,缓解采掘接替,提高煤炭采出率,近年来沿空留巷技术在很多煤矿得到广泛应用,并取得了较好的经济效益。但工作面连续回采过程中会形成多个相连采空区,使采空区瓦斯治理更加复杂[1-3]。在实际作业中,对于Y型通风连续回采工作面,沿空留巷设挡矸架控顶挂模,挡矸架置于采空区碎煤网兜和柔模墙之间,除朝工作面开口外,采空区和架尾均被碎煤网兜包裹,另一侧有柔模墙阻隔,呈“抽屉”状。挡矸架内风流不畅,瓦斯不仅容易积聚,还很难稀释吹散,导致超限报警频繁[4-6]

    许多学者针对回风隅角和挡矸架内瓦斯积聚问题进行了研究。孙荣军等[7]提出大直径一次成孔技术,以进一步提高高位定向钻孔的一次成孔直径、钻进效率、钻孔深度和钻孔利用时间,提高高位钻孔经济性和瓦斯抽采效果。许石青等[8]对贵州省六盘水市盘江煤矿23125工作面232石门钻场采空区垮落带、断裂带范围进行确认,并以此范围为参考对高位定向钻孔进行优化设计,优化后的垮落带和断裂带位置可以实现长距离定向抽采采空区瓦斯。邹炜[9]对大孔径钻孔合理布置间距进行了研究,通过优化钻孔布置间距解决了上隅角瓦斯浓度超限问题。年军等[10]探索了以孔代巷合理布孔间距,发现钻孔距离工作面太近或太远均不利于对上隅角瓦斯的控制。罗如强等[11]首次采用超大钻孔大流量低负压抽采采空区瓦斯,现场考察应用效果良好,有效解决了高瓦斯矿井上隅角瓦斯频繁超限和采空区瓦斯治理难题,可在条件适合的煤与瓦斯突出矿井中推广应用。

    目前针对回风隅角和挡矸架内瓦斯积聚问题的解决方案,抽采能力较为分散,无法实现对采空区的持续抽采,难以保证治理效果。Y型通风连续回采工作面由于采用沿空留巷节省了工作面之间的保护煤柱,随着工作面回采,采空区会扩大、连通,回风隅角和挡矸架内瓦斯积聚问题更加严峻。针对Y型通风连续回采工作面采空区瓦斯治理难题,本文以山西兰花集团有限公司东峰煤矿3号煤层二采区为研究背景,提出跨工作面采空区瓦斯抽采技术。在相邻工作面回风巷施工定向长钻孔,对回采工作面采空区进行跨工作面瓦斯抽采,可有效解决工作面瓦斯超限问题,保障工作面顺利回采,为采空区瓦斯抽采方式提供了新思路。

    东峰煤矿位于山西省高平市,矿井设计生产能力为120 Mt/a,属于高瓦斯矿井。全矿井划分为4个采区,矿井可采煤层共3层,现阶段主采3号煤层,采用综采放顶煤开采方法,采用全部垮落法管理顶板,通风方式为柔模留巷Y型通风。目前3201工作面已完成回采,3202工作面正在回采,由于采用沿空留巷节省了工作面之间保护煤柱,3202工作面采空区与3201工作面采空区仅有柔模墙体,采空区随着工作面回采会扩大、联通。在柔模墙体破坏失去承载能力后,3201工作面采空区顶板有可能进一步垮落,瓦斯被突然挤出而涌入3202回采工作面,造成3202回采工作面瓦斯超限。

    东峰煤矿3号煤层二采区沿底板等高线由低往高逐个布置工作面,全部沿空留巷放顶煤回采,沿空留巷连续回采工作面新老采空区瓦斯勾连涌出如图1所示。首采工作面回采结束,下一工作面开始回采后,受到二次采动影响,老采空区与新采空区勾连,形成大采空区。随着采空区范围越来越大,受初次来压和周期来压的采动影响,新老采空区及其顶板断裂带瓦斯在风流及瓦斯运移规律影响下,会瞬间大量涌入工作面及其回风流,造成瓦斯超限报警甚至酿成事故。

    图  1  沿空留巷连续回采工作面新老采空区瓦斯勾连涌出
    Figure  1.  Gas gushing in the new and old goaf in continuous working face of gob-side entry retaining

    3号煤层二采区平均厚度为5.93 m,预计垮落带最大高度为29.65 m。泥岩、砂岩互层顶板的断裂带高度为[12]

    $$ {H_{\text{f}}} = \frac{{100M}}{{3.3n + 3.8}} + 5.1 $$ (1)

    式中:M为累计采厚,M=5.93 m;n为煤分层数,n=1。

    理论分析表明,裂隙带中下部横向、竖向裂隙发育,渗透率增加最为明显,是高位钻孔布置的最佳区域。受到卸压影响,裂隙带越靠近下方渗透率越高[13-15]。因此,钻孔终孔层位可设置在垮落带上部、断裂带下部,即高度为30~50 m,东峰煤矿3号煤层顶板上方30~40 m范围主要为中粒、细粒砂岩,可满足定向长钻孔施工要求。

    在3202工作面辅助进风巷开展高位钻孔试验,对5号、6号和7号3个钻场的走向高位钻孔抽采瓦斯浓度进行统计,如图2所示,其中,1号、2号、3号、4号钻孔终孔层位高度分别为35,30 ,25,20 m,向3202工作面内错距离分别为28,20,15,10 m。可看出钻孔距煤层顶板高度为30~35 m时的抽采效果明显优于20~25 m的抽采效果。

    图  2  高位钻孔抽采瓦斯体积分数
    Figure  2.  Gas volume fraction extracted from high boreholes

    在水平方向上,采场覆岩采动裂隙发育区域集中在类似“O”型的椭圆断裂带内。由于回风巷风压低,采空区瓦斯向低压端运移,瓦斯相对富集[16-18]。因此,高位抽采钻孔布置在工作面中上部、靠近回风巷的位置抽采效果好。

    3202工作面回风侧卸压角为80~90°,3号煤层倾角较小,卸压角为80°,距离3202工作面轨道巷40 m时,卸压线距回风巷为7.1 m,钻孔向3202工作面内错距离过小时,容易导致钻孔通过裂隙与风巷贯通,钻孔无法发挥有效抽采作用。由图2可知,3202工作面1号、2号走向高位钻孔瓦斯抽采浓度相对较高,其内错距离分别为28,20 m。

    综上可知,跨工作面定向长钻孔终孔位置在水平方向上距轨道巷20~40 m。

    采空区由于煤体回采会产生空隙空间[16-18],对于长度为135 m、采放高度为5.93 m的回采工作面,每推进100 m,预计产生采空区空隙空间80 055 m3。假设在采空区遗煤开始瓦斯解吸之前,工作面风流漏风将此空隙空间充满,则100 m范围采空区含空气80 055 m3

    根据3201工作面瓦斯含量实测结果和现场实际抽采情况可知,煤层瓦斯含量为4.7 m3/t,瓦斯抽采率为0.35,则采空区遗煤瓦斯含量为3.1 m3/t。取3号煤层不可解吸瓦斯量为2 m3/t,则采空区遗煤可解吸瓦斯量为1.1 m3/t。取工作面回采率为0.87,煤体密度为1.42 t/m3,则回采方向长度为100 m、工作面长度为135 m、煤层厚度为5.93 m的采空区遗煤为14 778 t,可解吸瓦斯量为16 256 m3。则100 m推进长度的采空区内瓦斯量达16 256 m3

    在3202工作面回采时可能造成柔模墙体破坏、支撑应力改变,诱发顶板大面积垮落。采空区瓦斯抽采的目的是将混合瓦斯气体尽量抽取,在顶板大面积垮落后减少可扇出气体体积[19-21]。3201采空区两侧同时存在支撑体,假设柔模墙体破坏造成空隙空间压缩,取影响范围可达采空区一半,即压缩空间为采空区空隙空间一半,则需抽采瓦斯量为(80 055+16 256)×0.5=48 156 m3。3201工作面高位钻孔抽采量变化如图3所示。

    图  3  3201工作面高位钻孔抽采量变化
    Figure  3.  Change of extraction amount of high borehole in 3201 working face

    图3可看出,高位钻孔一般抽采量在10~60 m3/min,即每个钻孔抽采量达2.5~15 m3/min。由于采空区岩体在工作面回采之后有压实趋势,渗透率减小,取钻孔抽采量低值作为跨工作面抽采采空区瓦斯定向长钻孔抽采量,即为2.5 m3/min。由3201工作面高位钻孔抽采浓度变化可知,其高浓度抽采期可持续1个月以上。钻孔有效抽采时间为1个月时,取采空区混合气体抽采率为50%,抽采总量为2.5×60×12×30×2=108 000 m3。则100 m推进长度范围的采空区所需钻孔数量为48 156/108 000≈0.5个,即每个钻孔可抽采范围为200 m。

    根据采空区渗流场变化规律和高位钻孔抽采效果分析可知,跨工作面抽采采空区瓦斯的定向长钻孔终孔位置距煤层顶板高度为30~40 m,向3202工作面内错距离为20~40 m。根据煤层标高、地质条件影响及钻孔终孔目标位置,设计定向长钻孔钻进轨迹。根据钻孔密度分析,为在3202工作面回采初期保障采空区瓦斯抽采能力,缩短了钻孔间距,试验钻孔间距分别为50,50,100,100 m,为了提高钻孔利用率,减少施工工程量,采用1个主孔、1个分支孔的布置方式。

    由于跨工作面定向长钻孔在不受采动影响的相邻工作面旁边回风巷开口,即使工作面回采之后形成采空区,也无需撤管,可实现持续抽采新老采空区中上部顶板断裂带积聚瓦斯,为Y型通风连续回采工作面瓦斯治理开辟新的通道。持续抽采上部断裂带瓦斯,能有效减少采空区、挡矸架和回风隅角瓦斯浓度,避免挡矸架瓦斯积聚造成超限报警及其他瓦斯事故。Y型通风工作面钻孔抽采布置如图4所示。

    图  4  Y型通风工作面钻孔抽采布置
    Figure  4.  Borehole extraction arrangement of Y-type ventilation working face

    在3203工作面回风巷开展跨工作面定向长钻孔的试验,以回风5号钻场为例,钻场内布置2个跨工作面高位钻孔(1号孔、2号孔),每个跨工作面高位钻孔包括1个主孔和1个分支孔,采用低负压管路抽采,抽采负压达28.5 kPa,钻孔布置参数见表1

    表  1  高位抽采钻孔布置参数表
    Table  1.  Layout parameters of high level extraction boreholes

    开孔高度/m孔深/m方位角/(°)终孔层位高度/m钻孔内错距离/m
    146392864035
    1−145613253830
    245732743528
    2−145103543025
    下载: 导出CSV 
    | 显示表格

    每个跨工作面抽采采空区的定向长钻孔施工完成后,每天观测其瓦斯体积分数、流量,得到抽采瓦斯体积分数、抽采纯量随时间变化曲线,如图5所示。

    图  5  抽采瓦斯体积分数和纯量随时间变化曲线
    Figure  5.  Change curve with time of volume fraction and pure volume of extracted gas

    图5可看出,1号钻孔瓦斯抽采体积分数达3.9%~16.8%,瓦斯抽采纯量达0.26~2.84 m3/min;2号钻孔瓦斯抽采体积分数达1.8%~19.2%,瓦斯抽采纯量达0.09~2.65 m3/min。

    现场对采空区瓦斯抽采后,挡矸架的瓦斯体积分数由0.67%降至0.22%,回风流瓦斯体积分数由0.47%降至0.18%,回采期间3202工作面瓦斯体积分数保持在0.6%以下,符合安全标准,如图6所示。跨工作面采空区瓦斯抽采技术有效降低了挡矸架与回风流的瓦斯浓度,对采空区瓦斯治理有明显的效果。

    图  6  回采期间瓦斯体积分数变化曲线
    Figure  6.  Change curve of gas volume fraction during mining

    1) 在东峰煤矿现场进行跨工作面采空区抽采工程试验,当高位定向钻孔距离巷道顶板30~40 m,水平方向距离轨道巷20~40 m时抽采效果理想。

    2) 定向长钻孔持续抽采上部断裂带瓦斯,挡矸架瓦斯体积分数由0.67%降至0.22%,回风流瓦斯体积分数由0.47%降至0.18%,3202回采工作面瓦斯体积分数保持在0.6%以下,瓦斯治理效果显著。

    3) 跨工作面采空区瓦斯抽采技术能有效减小采空区、挡矸架和回风隅角瓦斯浓度,避免挡矸架瓦斯积聚造成超限报警及其他瓦斯事故。

  • 图  1   数据仓库运转流程

    Figure  1.   Data warehouse operation process

    图  2   星型维度模型数据结构

    Figure  2.   Data structure of star dimension model

    图  3   智能化煤矿数据仓库分层架构

    Figure  3.   Layered architecture of intelligent coal mine data warehouse

    图  4   综采工作面数据3级组织

    Figure  4.   Three-level data structure of fully mechanized working face

    图  5   综采工作面智能化应用分析主题

    Figure  5.   Intelligent application analysis subjects of fully mechanized working face

    图  6   综采工作面数据仓库分层架构

    Figure  6.   Layered architecture of data warehouse of fully mechanized working face

    图  7   测点数据时间维度对齐

    Figure  7.   Time dimension alignment of measured point data

    图  8   维度信息关联扩展

    Figure  8.   Association expansion of dimension information

    图  9   煤矿参数化数据仓库

    Figure  9.   Parametric coal mine data warehouse

    图  10   煤矿数据仓库平台核心架构

    Figure  10.   Core structure of coal mine data warehouse platform

    图  11   液压支架压力随割煤变化规律

    Figure  11.   Changes law of hydraulic support pressure with coal cutting

    图  12   智能煤矿管理驾驶舱

    Figure  12.   Management cockpit of intelligent coal mine

    表  1   综采工作面核心数据分类

    Table  1   Classification of kernel data of fully mechanized working face

    数据来源数据描述内容
    采煤机采煤机位置、机身俯仰角及倾斜角、左右牵引速度、左右滚筒高度、温度、电流等
    刮板输送机电流、电压、闭锁状态、转速、启停、故障信息等
    转载机电流、电压、闭锁状态、转矩、转速、启停、故障信息等
    破碎机电流、电压、闭锁状态、速度、启停、故障信息等
    带式输送机电流、电压、温度、转速等
    液压支架压力、行程、跟机动作、人工操作信息等
    泵站乳化液泵、喷雾泵的电流、电压、温度、转速等
    下载: 导出CSV

    表  2   综采工作面采煤机位置数据

    Table  2   Location data of shearer in fully mechanized working face

    数据类别标签时间数据值数据状态
    采煤机位置架2019−12−06T17:12:42.81913Good
    采煤机位置架2019−12−06T17:13:20.43914Good
    采煤机位置架2019−12−06T17:13:46.65815Good
    采煤机位置架2019−12−06T17:14:07.43716Good
    采煤机位置架2019−12−06T17:14:39.94217Good
    下载: 导出CSV

    表  3   割煤阶段维表数据结构

    Table  3   Dimension table data structure of coal cutting stage

    割煤
    刀号
    方向开始
    架号
    开始时间结束
    架号
    结束时间
    110162020−04−28T05:40:412002020−04−28T16:06:08
    11122002020−04−28T16:06:0862020−04−28T19:32:38
    112162020−04−28T19:32:382002020−04−28T22:29:13
    11322002020−04−28T22:29:1372020−04−29T02:02:37
    下载: 导出CSV

    表  4   液压支架循环动作阶段维表数据结构

    Table  4   Dimension table data structure of cyclic hydraulic support action

    割煤刀号架号动作阶段开始时间结束时间
    1407012020−05−05T01:08:182020−05−05T01:08:23
    1407022020−05−05T01:08:232020−05−05T01:08:28
    1407032020−05−05T01:08:232020−05−05T01:13:09
    下载: 导出CSV

    表  5   原始数据模型与煤矿数据仓库的定性对比

    Table  5   Qualitative comparison between primary data model and coal mine data warehouse

    指标原始数据模型煤矿数据仓库
    数据
    组织度
    按照数据来源组织,与
    业务过程缺乏关联性
    按照数据域、业务过程、业务事实进行
    组织,便于从业务角度理解数据
    模型
    复用度
    统计分析过程基于原始
    数据,逻辑实现复杂,无
    法重复使用
    提供多层级数据模型,统计分析过程基
    于服务数据层查询,新增数据可不断沉
    淀到基础指标层,实现模型复用
    迭代
    难易度
    数据模型随业务系统变
    更,按照业务分析需要
    迭代
    根据需求类型支持不同层级迭代,数据
    源变化可迭代明细数据层,指标变化可
    迭代基础指标层
    下载: 导出CSV

    表  6   原始数据模型与煤矿数据仓库的定量对比

    Table  6   Quantitative comparison between primary data model and coal mine data warehouse

    数据计算指标查询响应时间/min
    原始数据模型煤矿数据仓库
    设备能耗(粒度:1 h,跨度:48 h)5~10<1
    设备能耗(粒度:1 d,跨度:30 d)>101~3
    设备运行时长(粒度:1 d,跨度30 d)5~101~3
    数据上传量(粒度:1 h,跨度:48 h)5~10<1
    工作面开机率(粒度:1 d,跨度:30 d)5~101~3
    工作面割煤量(粒度:1 d,跨度:7 d)>101~3
    工作面推进度(粒度:1 d,跨度:7 d)>101~3
    矿压分布(粒度:1 s,跨度:1 d)>103~5
    液压支架支护时长(粒度:架号+1 s,
    跨度:48 h)
    >101~3
    采煤机循环时长(粒度:割煤刀号+1 s,
    跨度:48 h)
    >101~3
    下载: 导出CSV
  • [1] 王国法,王虹,任怀伟,等. 智慧煤矿2025情景目标和发展路径[J]. 煤炭学报,2018,43(2):295-305.

    WANG Guofa,WANG Hong,REN Huaiwei,et al. 2025 scenarios and development path of intelligent coal mine[J]. Journal of China Coal Society,2018,43(2):295-305.

    [2] 韩安. 基于Hadoop的煤矿数据中心架构设计[J]. 工矿自动化,2019,45(8):60-64.

    HAN An. Architecture design of coal mine data center based on Hadoop[J]. Industry and Mine Automation,2019,45(8):60-64.

    [3] 毛善君,杨乃时,高彦清,等. 煤矿分布式协同“一张图”系统的设计和关键技术[J]. 煤炭学报,2018,43(1):280-286.

    MAO Shanjun,YANG Naishi,GAO Yanqing,et al. Design and key technology research of coal mine distributed cooperative "one map" system[J]. Journal of China Coal Society,2018,43(1):280-286.

    [4] 王国法,刘峰,孟祥军,等. 煤矿智能化(初级阶段)研究与实践[J]. 煤炭科学技术,2019,47(8):1-36.

    WANG Guofa,LIU Feng,MENG Xiangjun,et al. Research and practice on intelligent coal mine construction (primary stage)[J]. Coal Science and Technology,2019,47(8):1-36.

    [5] 高士岗,高登彦,欧阳一博,等. 煤矿智能一体化辅助生产系统及关键技术[J]. 煤炭科学技术,2020,48(7):150-160.

    GAO Shigang,GAO Dengyan,OUYANG Yibo,et al. Mine intelligent integrated auxiliary production system and key technologies[J]. Coal Science and Technology,2020,48(7):150-160.

    [6] 何敏. 智能煤矿数据治理框架与发展路径[J]. 工矿自动化,2020,46(11):23-27.

    HE Min. Framework and development path of data governance in intelligent coal mine[J]. Industry and Mine Automation,2020,46(11):23-27.

    [7] 李首滨. 煤炭工业互联网及其关键技术[J]. 煤炭科学技术,2020,48(7):98-108.

    LI Shoubin. Coal industry Internet and its key technologies[J]. Coal Science and Technology,2020,48(7):98-108.

    [8] 杜毅博,赵国瑞,巩师鑫. 智能化煤矿大数据平台架构及数据处理关键技术研究[J]. 煤炭科学技术,2020,48(7):177-185.

    DU Yibo,ZHAO Guorui,GONG Shixin. Study on big data platform architecture of intelligent coal mine and key technologies of data processing[J]. Coal Science and Technology,2020,48(7):177-185.

    [9] 吴群英,蒋林,王国法,等. 智慧矿山顶层架构设计及其关键技术[J]. 煤炭科学技术,2020,48(7):80-91.

    WU Qunying,JIANG Lin,WANG Guofa,et al. Top-level architecture design and key technologies of smart mine[J]. Coal Science and Technology,2020,48(7):80-91.

    [10]

    BOJICIC I, MARJANOVIC Z, TURAJLIC N, et al. A comparative analysis of data warehouse data models[C]//The 6th IEEE International Conference on Computers Communications and Control, Oradea, 2016: 151-159.

    [11] 曾志浩,姚贝,张琼林,等. 基于Hadoop平台的用户行为挖掘[J]. 计算技术与自动化,2015,34(2):100-103. DOI: 10.3969/j.issn.1003-6199.2015.02.024

    ZENG Zhihao,YAO Bei,ZHANG Qionglin,et al. User behavior mining based on Hadoop platform[J]. Computing Technology and Automation,2015,34(2):100-103. DOI: 10.3969/j.issn.1003-6199.2015.02.024

    [12] 温国锋,陈立文. 煤矿安全管理数据仓库的建立与应用研究[J]. 中国矿业,2009,18(1):95-97. DOI: 10.3969/j.issn.1004-4051.2009.01.027

    WEN Guofeng,CHEN Liwen. On building and applacation of coal mine security management data warehouse[J]. China Mining Magazine,2009,18(1):95-97. DOI: 10.3969/j.issn.1004-4051.2009.01.027

    [13]

    INMON W H, LINSTEDT D, ELLIOT S. Data architecture, a primer for the data scientist: big data, data warehouse and data vault[M]. Amsterdam: Morgan Kaufmann, 2015.

    [14] 赵随海. 铁路列车调度指挥系统数据仓库体系结构的研究[J]. 铁道运输与经济,2018,40(12):55-59.

    ZHAO Suihai. A study on the architecture of data warehouse for the railway train dispatching command system[J]. Railway Transport and Economy,2018,40(12):55-59.

    [15]

    STAVRAKAS Y,GERGATSOULIS M,DOULKERIDIS C,et al. Representingand querying histories of semistructured databases using multidimensional OEM[J]. Information Systems,2003,29(6):461-482.

    [16] 马宏伟,吴少杰,曹现刚,等. 煤矿综采设备运行状态大数据清洗建模[J]. 工矿自动化,2018,44(11):80-83.

    MA Hongwei,WU Shaojie,CAO Xiangang,et al. Big data cleaning modeling of operation status of coal mine fully-mechanized coal mining equipment[J]. Industry and Mine Automation,2018,44(11):80-83.

    [17] 高金标,何利力,邹云阳. 基于分布式存储系统的Hive与Hbase的研究[J]. 工业控制计算机,2015,28(12):44-45. DOI: 10.3969/j.issn.1001-182X.2015.12.021

    GAO Jinbiao,HE Lili,ZOU Yunyang. Hive and Hbase based on research on hadoop distributed file system[J]. Industrial Control Computer,2015,28(12):44-45. DOI: 10.3969/j.issn.1001-182X.2015.12.021

  • 期刊类型引用(7)

    1. 马凯. 瓦斯治理效果对顶板孔布置模式响应研究. 煤炭技术. 2025(02): 100-103 . 百度学术
    2. 童校长,文虎,徐鹤翔,刘厅,温鸿达,程小蛟. 地面井掏煤造穴卸压增透技术及工程应用. 西安科技大学学报. 2025(01): 61-73 . 百度学术
    3. 李飞. 高瓦斯特长公路隧道阶段施工通风方案研究. 铁道建筑技术. 2024(03): 145-148+201 . 百度学术
    4. 刘光明. 组合封堵气囊治理回风隅角瓦斯技术. 陕西煤炭. 2024(07): 43-48 . 百度学术
    5. 王钰剑. 新景矿采煤工作面高位定向长钻孔瓦斯治理技术. 江西煤炭科技. 2024(04): 164-166 . 百度学术
    6. 程建未. 超长定向钻孔双侧瓦斯抽采效果及数值模拟研究. 煤炭经济研究. 2024(S1): 120-123 . 百度学术
    7. 苏生. 基于COMSOL的高位大直径长钻孔瓦斯抽采模拟研究. 能源与环保. 2023(08): 24-28 . 百度学术

    其他类型引用(0)

图(12)  /  表(6)
计量
  • 文章访问数:  721
  • HTML全文浏览量:  223
  • PDF下载量:  137
  • 被引次数: 7
出版历程
  • 收稿日期:  2021-11-30
  • 修回日期:  2022-03-21
  • 网络出版日期:  2022-03-04
  • 刊出日期:  2022-04-24

目录

/

返回文章
返回