大数据背景下矿井水害案例库系统建设

摘要：为提高煤矿水害防治的信息化水平，实现煤矿水害防治工作由定性到定量、由经验到科学转变，提出了大数据背景下矿井水害案例库系统建设的目的和原则，设计了煤矿水害案例库系统的结构和功能，分析了物联网、云计算、大数据等系统关键技术。矿井水害案例库系统集事故管理、水害防治、安全教育、技术培训于一体。

0 引言

对矿井水害分布规律和形成机制的深入研究需要大量的灾害数据作为基础，而矿井水害案例数据对理解区域灾害系统的相互作用机制有着重要的作用[1-2]。中国具有悠久的煤炭开采历史，史料丰富，且相关人员和机构对大量案例做了深入研究[3-9]。随着信息技术全面融入矿山生产建设中，煤矿机械化、自动化及信息化程度不断提高，尤其是近年来物联网技术在煤矿中广泛应用，数据正以前所未有的速度快速积累，“大数据”时代已经到来，大量科研工作者对此高度重视，并就物联网、大数据及云计算等技术在煤矿安全生产中的应用做了大量研究。孙继平[10]在分类分析煤炭事故状况的基础上，探讨了大数据与物联网技术在煤矿安全生产相关方面的应用；袁显平[11]基于矿难大数据，运用统计分析的方法，系统地分析中国煤矿矿难的特征及演变趋势；丁振[12]分析了煤矿数据的特点，阐述了大数据技术在煤矿应用的可行性及应用前景；马小平[13]在分析物联网、大数据及云计算三种技术之间关系的基础上，提出了其在煤矿安全生产中的应用框架；孟磊[14]从感知矿山理念与物联网三层架构出发，分析了矿井突水信息采集、传输、处理与预警技术现状，论述了物联网条件下实现矿井突水感知的关键技术。

上述研究对煤矿水害防治和矿山信息化水平的提高起到了积极作用，提高了煤矿安全生产水平。然而，目前煤矿水害案例库建设还存在以下不足：① 对煤矿水害事故的研究多偏重于特征分析预测与防治对策，对已发生事故的研究多为分散的个案研究，针对性不强，缺乏系统性，对案例事故在煤矿水害安全方面的作用认识不足。② 已有的煤矿事故案例库建设多侧重于事故的检索与管理或安全教育培训，对分散事故间的联系及事故致因的相互关系，没有从现代信息技术的角度进行分析,不能满足警钟长鸣、安全培训、水害防治及相关技术人员知识更新的实际需求。③ 随着煤矿综合自动化建设的推进，大量的历史数据和矿井水监测数据呈爆炸式增长，在大数据时代，如何充分利用新技术、新方法有效地采集、存储、管理、共享煤矿水文地质基础数据、煤矿水害防治案例、专家的知识与经验等数据资源，进而更好地服务矿井安全生产成为亟需解决的问题。本文以矿井水害案例数据为基础，采用大数据技术对水害的相关因素与水害事故的关系进行深入挖掘，建立相关关系模型；同时以物联网实时监测数据为驱动，实现对矿井水害的实时预警；结合云计算技术，实现多源异构数据的统一存储和高效管理；采用面向服务的体系架构建立B/S模式下的矿井水害案例库系统，设计实现集事故管理、水害防治、安全教育、技术培训于一体的可扩展、智能的矿井水害案例库系统。

1 系统设计

系统设计目的:实现对矿井水害数据的高效管理和矿井突水预测与应急救援，分析事故的发生演化、危害机制，并以动画、培训课件和试题等形式进行成果展示、教育培训，拓展和提高相关技术人员的业务水平。

矿井水害案例是对灾害过程的系统性描述，结合大数据技术将全部灾害案例集成在一起则可对矿井水害的时空分异规律、区域规律、成因机制等进行深入研究[1-2]。为此，大数据背景下矿井水害案例库建设在保证案例数据真实可靠的基础上[9]，在系统设计、开发及运行过程中需要遵循数据安全性、系统稳定、操作简单、功能模块化和共享性原则。

采用面向服务的体系架构(SOA),针对不同层次的用户设计了可扩展、智能的矿井水害案例库系统(图1)。该系统以矿井水害案例数据为基础建立水源识别、突水量等级预测、突水性安全评价、突水防治措施决策、应急救援等模型；用户利用上述模型将水文地质基础数据和物联网实时监测数据用于水害预警。系统以更好的用户体验为驱动，技术人员根据用户意见修改完善模型，以提供更可靠、更高效的服务，提升用户体验，随着用户规模的扩大和数据量的激增，将更有助于模型的验证和完善，进而形成一个循环、良性的大数据矿井水害案例库系统。

大数据背景下矿井水害案例库系统主要包括突水案例数据管理、突水预测、突水应急救援、突水知识、账户管理等功能模块，如图2所示。

数据检索针对不同级别用户可分为快速检索(直接输入关键词检索)和高级检索(用时间、地点、所属水害单元、导水通道、突水量、突水位置、水害类型、突水水源、突水征兆、事故类型、人员伤亡、事故原因等关键词进行检索)2种方式。案例分析根据高级检索的关键词任意组合生成各类统计图表。事故再现是对经典案例以视频、动画等形式进行重现，达到安全教育的目的。网页案例搜索通过网络爬虫抓取网络上最新的突水案例数据，经管理员审核通过后纳入到系统，以丰富案例库系统数据。

系统采用大数据技术建立水源的水化学

等离子和矿化度、PH等分析项)、温度、水位等指标差异，通过BP神经网络方法与统计数据进行关联，建立突水水源判别模型[14]；通过分析水害案例数据库中水源(类型、水压)、导水通道(断层、陷落柱)、隔水层(厚度、岩性、力学强度)等数据与突水等级的关系，采用大数据技术，利用海量案例数据深入挖掘充水含水层(厚度、岩性、力学强度)等数据与突水等级的关系，建立突水量等级预测模型；深入挖掘充水含水层(水压、富水性、渗透性、厚度、岩性等)、隔水岩段防突性能(厚度、岩性比例、关键岩层位置)、地质构造(断层、褶皱、岩溶陷落柱)、矿压破坏发育带(工作面斜长、煤层采高与采深、开采工艺煤层倾角等)、导生发育带(原始导生高度和回采诱发的导升高度)及气象条件、环境温度等与水害事故的相关关系，以实现突水安全性评价，同时结合传感器数据实现水害实时预警[15]。

系统基于案例推理的原理，即通过重用历史问题的解决方案以得到新问题解决方案的人工智能技术，通过匹配地质、水文地质条件等相似度较高的案例数据，给出相应的防治、救援和突水治理等措施。

典型案例是从大量的案例数据中筛选出各种水害类型中真实、完整、启发性较强的案例进行展示和分析；结合具体案例，以矿井水害类型(顶板突水、底板突水、老空水等)为知识组织依据，对突水征兆、探放水原则和自救措施进行深入分析。自我测试是对技术人员的突水知识掌握程度进行检验，并根据对测试结果的分析，给出下一步的培训计划，以达到提高从业人员业务水平的目的。

帐户管理功能包括个人信息的查阅和修改。“我所关注的”模块是根据用户的浏览信息，采用基于项目的协同过滤推荐算法，对多数用户所感兴趣的突水案例、知识、技术和热点信息进行推送。系统提倡用户参与和用户贡献，用户通过共享矿井地质、水文地质和物联网监测数据，经过系统查重和质量评定，经系统管理员审核后，可提升用户权限。

2 系统关键技术

在煤矿行业中，为安全管理积累了大量的表征矿井突水过程(致灾环境、致灾因子、造成的灾害损失及人类对灾害的响应等)的事故案例数据(文字、图形、视频等)。在矿井水害防治过程中，大量的水文监测传感器、矿压及应变传感器、采掘定位设备、采动岩体破坏监测设备产生了大量数据[16-18]。数据体量巨大、种类繁多、价值密度低、增长速度快，符合大数据的“4V”特征[19-20]。下文将以矿井水害实时预测为例说明物联网、大数据和云计算在矿井水害案例库建设中如何有机结合(图3)。将物联网实时监测数据通过矿井通用网络经调度指挥中心上传至大数据云平台，并通过DistributeCache以缓存的形式进行暂存；将实时监测热数据推送到以矿井水害案例数据为基础建立的突水预测模型，进行矿井突水危险性评价；并将结果实时反馈给调度指挥中心，随着时间的推移，数据变冷，最终将数据从DistributeCache转存到HDFS文件中；定期对矿井水害预测模型进行训练和更新，进而形成一个完整、闭合、不断完善的系统。

物联网、大数据与云计算三者在煤矿水害防治中既相互区别又密切联系，物联网作为实时信息获取的“触角”被广泛应用到矿井水害防治中，必然结果是形成大数据，而大数据的存储、数据之间隐含信息的挖掘和高效服务则需要云计算技术来支撑[21-25]。

大数据技术的核心在于分析预测功能，它不纠结原因，只注重结果；不纠结于数据的精度，而是通过一定的方法对全部、复杂的数据进行分析，以挖掘出传统方法很难发现的事物之间的关系。大数据背景下矿井突水危险性评价与传统的突水危险性评价方法不同(表1)，将大数据、物联网和云计算有机结合，为矿井突水预测模型的建立提供了新的思路。

表1 传统突水危险性评价方法与大数据方法的区别

3 系统实现

结合系统设计的目的和原则，在搭建Hadoop大数据分析平台的前提下，以HDFS、Hbase和OpenTSDB为基础实现数据的存储，用MapReduce解决数据的分析问题，采用B/S模式，引入天地图和MSChart控件，以实现案例数据的可视化表达和统计分析。经过编码设计、系统调试和运行等过程，实现了矿井水害案例库系统的建设。

4 结语

明确了矿井水害防治实际需求和现有的水害防治规范，在广泛搜集矿井水害案例数据的基础上，结合云计算、物联网等技术设计实现了大数据背景下的矿井水害案例库系统，为矿井突水预测与应急救援、安全教育、技术培训提供了新的思路。

[1] 方伟华，王静爱.中国历史水灾案例数据库的建立及相关问题探讨[J].北京师范大学学报(自然科学版)，1998，34(2):269-275.

[2] 徐霞，王静爱，王文宇.自然灾害案例数据库的建立与应用——以中国1998年洪水灾害案例数据库为例[J].北京师范大学学报(自然科学版)，2000，36(2):274-280.

[3] 武强，崔芳鹏，赵苏启，等.矿井水害类型划分及主要特征分析[J].煤炭学报，2013，38(4):561-565.

[4] 陈红，祁慧，谭慧.基于特征源与环境特征的中国煤矿重大事故研究[J].中国安全科学学报，2005，15(9):33-38.

[5] 陈红，谭慧，祁慧.中国煤矿重大水害事故规律分析[J].中国矿业，2005，14(8):22-25.

[6] 刘洋，林柏泉，李贤忠，等.煤矿事故案例的安全职能分析及数据库系统设计[J].工矿自动化，2012，38(1):29-32.

[7] 虎维岳，田干.我国煤矿水害类型及其防治对策[J].煤炭科学技术，2010，38(1):92-96.

[8] 董书宁，虎维岳.中国煤炭水害基本特征及其主要影响因素[J].煤田地质与勘探，2007，35(5):34-37.

[9] 徐拥军，宋扬.管理案例库建设的“4S”模式研究[J].东北农业大学学报(社会科学版)，2009，7(2):7-12.

[10] 孙继平.煤矿事故分析与煤矿大数据与物联网[J].工矿自动化，2015，41(3):1-5.

[11] 袁显平，严永胜，张金锁.我国煤矿矿难特征及演变趋势[J].中国安全科学学报，2014，24(6):135-140.

[12] 丁振，张驎.浅析大数据技术助力煤矿安全管理[J].中国煤炭，2015，41(10):121-123.

[13] 马小平，胡延军，缪燕子.物联网、大数据及云计算技术在煤矿安全生产中的应用研究[J].工矿自动化，2014，40(4):5-9.

[14] 马磊，钱家忠，赵卫东，等.基于GIS的矿井水害防治决策支持系统[J].煤田地质与勘探，2014，42(5):44-49.

[15] 孟磊，丁恩杰,吴立新.基于矿山物联网的矿井突水感知关键技术研究[J].煤炭学报，2013，38(8):1397-1403.

[17] 刘永强.国家矿井安全生产监督管理物联网应用示范工程总体设计研究[J].中国安全生产科学技术，2012(增刊1):9-14.

[18] 闫广，王昕，纵鑫，等.煤矿分布式突水监测系统设计[J].工矿自动化，2015，41(4):5-8.

[19] DOCTOROW C. Big data: welcome to the petacentre[J]. Nature, 2008,455(7209):16-21.

[20] REICHMA O J, JONES M B, SCHILDHAUER M P, et al. Challenges and opportunities of open data in ecology[J]. Science, 2011, 331(6018):703-705.

[21] 何文娜.大数据时代基于物联网和云计算的地质信息化研究[D].长春:吉林大学，2013.

[22] WU Xindong, ZHU Xinquan, WU Gongqing, et al. Data mining with big data[J].IEEE Transactions on Knowledge & Data Engineering, 2014, 26(1):97-107.

[23] 文广超，邓寅生，余永强.基于GIS及模型化理论的矿井水灾预测预报平台的设计与实现[J].河南理工大学学报(自然科学版)，2010，29(6):709-714.

[24] 文广超，邓寅生.煤矿矿井防治水信息化系统的研究与实现[J].矿业研究与开发，2010，30(6):60-63.

[25] 邓寅生，王焕忠，文广超等.煤矿水害防治信息化[M].北京：煤炭工业出版社，2011.

Construction of case base system of mine water disaster under background of big data

(School of Resource and Environment, Henan Polytechnic University, Jiaozuo 454000, China)

Abstract：In order to improve informationization level of coal mine water disaster prevention, and realize changes of mine water disaster prevention work from qualitative to quantitative and from experience to science, purpose and principles of construction of case base system of coal mine water disaster prevention and control under background of big data were proposed, and structure and function modules were designed. Key technologies of IoT, cloud computing, big data were analyzed. The case base system of coal mine water disaster integrates accident management, water disaster prevention, safety education and technical training.

基金项目：全国统计科学研究项目(2014LY004);河南省高等学校重点科研项目(15A170007)。

作者简介：刘浩(1989-)，男，河南永城人，硕士研究生，主要研究方向为地球信息科学与技术，E-mail：632005021@qq.com。通信作者：文广超(1979-)，男，河南西平人，副教授，主要从事煤矿安全和“3S”应用方面的教学和科研工作，E-mail:wengc366@163.com。

网络出版地址：http://www.cnki.net/kcms/detail/32.1627.TP.20161230.1032.017.html

刘浩，文广超，谢洪波，等.大数据背景下矿井水害案例库系统建设[J].工矿自动化，2017,43(1)：69-73.