申 琢

(1.中國(guó)礦業(yè)大學(xué)(北京)管理學(xué)院，北京市海淀區(qū)，100083； 2.國(guó)家安全生產(chǎn)監(jiān)督管理總局信息研究院，北京市朝陽(yáng)區(qū)，100029)

★ 煤炭科技·機(jī)電與信息化★

基于云計(jì)算和大數(shù)據(jù)挖掘的礦山事故預(yù)警系統(tǒng)研究與設(shè)計(jì)

申 琢1,2

(1.中國(guó)礦業(yè)大學(xué)(北京)管理學(xué)院，北京市海淀區(qū)，100083； 2.國(guó)家安全生產(chǎn)監(jiān)督管理總局信息研究院，北京市朝陽(yáng)區(qū)，100029)

分析了礦山事故發(fā)生的因素，利用云計(jì)算和數(shù)據(jù)挖掘原理分析各個(gè)事件的關(guān)聯(lián)性，建立了煤礦安全生產(chǎn)領(lǐng)域的交叉數(shù)據(jù)分析模型，研究與設(shè)計(jì)了礦山事故預(yù)警系統(tǒng)，詳細(xì)介紹了礦井端系統(tǒng)設(shè)計(jì)和集團(tuán)公司端系統(tǒng)設(shè)計(jì)。通過(guò)結(jié)果分析，該系統(tǒng)夠提前發(fā)現(xiàn)、分析和判斷影響安全生產(chǎn)的狀態(tài)和可能導(dǎo)致事故發(fā)生的信息，及時(shí)發(fā)布安全生產(chǎn)預(yù)警信息，最大限度地降低事故發(fā)生概率。

煤礦安全 大數(shù)據(jù)挖掘 云計(jì)算 數(shù)據(jù)處理 預(yù)警信息

煤炭在我國(guó)能源消費(fèi)中占有較大的比例，但煤炭開(kāi)采環(huán)境復(fù)雜，對(duì)礦山從事人員的生命安全產(chǎn)生了較大的威脅。國(guó)家煤礦安全監(jiān)察局網(wǎng)站公布的安全事故數(shù)據(jù)顯示，我國(guó)煤礦的安全生產(chǎn)仍存在較大的疏漏，如何保證礦山的安全生產(chǎn)仍是一大嚴(yán)峻的問(wèn)題。

隨著礦山信息化的發(fā)展，OA管理系統(tǒng)、監(jiān)控監(jiān)測(cè)系統(tǒng)等已經(jīng)在各個(gè)煤礦普及，對(duì)于監(jiān)測(cè)到的各類(lèi)數(shù)據(jù)呈現(xiàn)了一個(gè)指數(shù)級(jí)別的增長(zhǎng)，已經(jīng)形成TB甚至PB級(jí)別的數(shù)據(jù)集。然而對(duì)于采集的這些數(shù)據(jù)，并沒(méi)有得到較好地利用，只是單作為一個(gè)預(yù)警數(shù)據(jù)，并沒(méi)有把各類(lèi)數(shù)據(jù)之間的聯(lián)系體現(xiàn)出來(lái)。一些研究人員利用灰色關(guān)聯(lián)分析對(duì)煤礦事故進(jìn)行了灰關(guān)聯(lián)熵分析，但對(duì)造成事故的內(nèi)因之間的聯(lián)系并沒(méi)有具體闡述。隨著信息化的普及和大數(shù)據(jù)技術(shù)的發(fā)展，利用煤礦監(jiān)控監(jiān)測(cè)數(shù)據(jù)對(duì)事故進(jìn)行內(nèi)因關(guān)聯(lián)分析、揭示事故規(guī)律已經(jīng)成為現(xiàn)實(shí)，基于數(shù)據(jù)挖掘?yàn)榛A(chǔ)的安全決策可以為礦山安全保障提供可靠的理論依據(jù)。

1 礦山事故原因分析

事故致因理論是安全科學(xué)的一大重要分支，可以為各類(lèi)事故進(jìn)行定性分析。在煤礦中應(yīng)用較多的主要有海因里希事故連鎖理論、軌跡交叉以及事故致因的突變模型等。海因里希連鎖理論主要提出了事故發(fā)生原因歸結(jié)為物的不安全狀態(tài)和人的不安全行為；軌跡交叉論主要強(qiáng)調(diào)了事故致因的復(fù)雜性；突變模型指出了系統(tǒng)變化過(guò)程中出現(xiàn)的突變對(duì)整個(gè)系統(tǒng)狀態(tài)的影響。由于礦山工作環(huán)境的特殊性和復(fù)雜性，以上理論只能片面地分析事故的發(fā)生，并不能從根本上提出預(yù)防事故發(fā)生的方案，因此在以上事故致因理論基礎(chǔ)上，并結(jié)合礦井實(shí)際工作環(huán)境，一些研究人員提出了礦山事故致因的綜合模型，利用以上模型對(duì)礦山事故致因進(jìn)行分析總結(jié)具有代表性。根據(jù)模型的分析，將礦山事故致因具體細(xì)分如下：

(1)安全管理。安全管理包括安全決策的制定、相關(guān)安全生產(chǎn)制度的健全程度、相關(guān)礦山從業(yè)人員的執(zhí)行力、員工的安全培訓(xùn)信息等。

(2)從業(yè)人員的個(gè)人素質(zhì)。從業(yè)人員的個(gè)人素質(zhì)包括年齡、工作年限、薪資水平、工作時(shí)長(zhǎng)、安全管理培訓(xùn)信息、技術(shù)水平、工作崗位、健康狀況等。

(3)設(shè)備設(shè)施工作情況。設(shè)備設(shè)施工作情況包括各類(lèi)設(shè)備的服務(wù)年限、工作狀況、定期檢查維護(hù)等。

(4)環(huán)境因素。環(huán)境因素包括從業(yè)人員工作地點(diǎn)的位置和工作地點(diǎn)的溫度、濕度、深度以及地質(zhì)構(gòu)造狀況，也包括各類(lèi)設(shè)施設(shè)備的安置地點(diǎn)以及工作環(huán)境是否符合設(shè)備自身要求等。

2 云計(jì)算和大數(shù)據(jù)挖掘

2.1 云計(jì)算

云計(jì)算發(fā)展已久，在最初階段，云計(jì)算只是虛擬技術(shù)的擴(kuò)展，一般認(rèn)為云計(jì)算包含3個(gè)層次：基礎(chǔ)設(shè)施即服務(wù)(Iaas)、平臺(tái)即服務(wù)(Paas)和軟件即服務(wù)(Saas)。從商業(yè)角度來(lái)看，云計(jì)算的核心是提供服務(wù)，是一種比較新穎的商務(wù)模式，通過(guò)提供虛擬化的計(jì)算空間和計(jì)算資源，為客戶(hù)實(shí)現(xiàn)業(yè)務(wù)快速變更和創(chuàng)新升級(jí)的需求。云計(jì)算主要有以下幾個(gè)特點(diǎn)：

(1)虛擬化。云計(jì)算的發(fā)展初期，在技術(shù)層是作為一種虛擬化技術(shù)，支持用戶(hù)在云端實(shí)現(xiàn)資源的獲取與應(yīng)用，并非來(lái)自實(shí)體的服務(wù)。

(2)高擴(kuò)展性。云端的擴(kuò)展性可以依靠服務(wù)器的架設(shè)，隨著應(yīng)用與資源的擴(kuò)大，通過(guò)架設(shè)更多的服務(wù)器，可以實(shí)現(xiàn)云端的高擴(kuò)容性。

(3)廉價(jià)。由于云端服務(wù)的集中，客戶(hù)可以通過(guò)購(gòu)買(mǎi)云空間來(lái)獲得所需服務(wù)，而不需要花費(fèi)較多費(fèi)用來(lái)進(jìn)行數(shù)據(jù)的管理。

現(xiàn)階段實(shí)現(xiàn)云計(jì)算的并行計(jì)算模型主要是Google實(shí)驗(yàn)室提出的MapReduce。MapReduce計(jì)算模型主要應(yīng)用的是Hadoop Map Reduce和Hive，除此之外還包括Map-Only型和Iterative型。另外，一些研究人員提出了基于Hadoop平臺(tái)和MapReduce的編程模式，開(kāi)發(fā)設(shè)計(jì)了針對(duì)大數(shù)據(jù)的并行分布式挖掘平臺(tái)——PDMiner，并在試驗(yàn)中取得了較好的效果。

2.2 數(shù)據(jù)挖掘原理

伴隨著關(guān)系數(shù)據(jù)庫(kù)、NOSQL、SQL以及Oracle等各類(lèi)數(shù)據(jù)庫(kù)的發(fā)展及應(yīng)用，各類(lèi)數(shù)據(jù)量急劇攀升，為了能夠獲取各類(lèi)數(shù)據(jù)之間的關(guān)聯(lián)性，一個(gè)新的計(jì)算機(jī)科學(xué)分支應(yīng)運(yùn)而生，稱(chēng)為數(shù)據(jù)挖掘。數(shù)據(jù)挖掘的基本原理是利用專(zhuān)業(yè)的知識(shí)對(duì)持有數(shù)據(jù)進(jìn)行篩選和提取，然后選擇合適的算法對(duì)數(shù)據(jù)進(jìn)行評(píng)價(jià)，最后得出可靠的結(jié)論。數(shù)據(jù)挖掘中常用的技術(shù)和方法主要來(lái)自統(tǒng)計(jì)學(xué)、決策樹(shù)、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、粗集、模糊邏輯、可視化技術(shù)等其他的幾個(gè)學(xué)科和技術(shù)領(lǐng)域。

2.3 基于云計(jì)算的大數(shù)據(jù)挖掘模型

基于云計(jì)算的大數(shù)據(jù)挖掘模型大致可細(xì)分為云端服務(wù)層、數(shù)據(jù)篩選層、數(shù)據(jù)處理層和用戶(hù)個(gè)性化定制層4個(gè)層面。在模型中，最重要的是數(shù)據(jù)篩選和數(shù)據(jù)處理2個(gè)層面，這2個(gè)層面利用Hadoop生態(tài)系統(tǒng)對(duì)數(shù)據(jù)庫(kù)中數(shù)據(jù)進(jìn)行細(xì)處理，以保證數(shù)據(jù)的質(zhì)量，加快數(shù)據(jù)挖掘的速度，提高結(jié)果的有效性。而在大數(shù)據(jù)挖掘中，數(shù)據(jù)挖掘算法的并行化最為關(guān)鍵，采用的Mapreduce計(jì)算模型使用的HDFS存儲(chǔ)，只有利用算法對(duì)數(shù)據(jù)進(jìn)行分類(lèi)和改造才能實(shí)現(xiàn)在云端平臺(tái)的挖掘任務(wù)。這些算法中的并行分類(lèi)算法、并行聚類(lèi)算法、并行關(guān)聯(lián)算法能夠?qū)?shù)據(jù)的總結(jié)、預(yù)測(cè)的模型和異常趨勢(shì)發(fā)展有重要的識(shí)別作用。因而在算法的改進(jìn)上也能夠?qū)Υ髷?shù)據(jù)的挖掘效果有一定的改善。

3 礦山事故預(yù)警系統(tǒng)設(shè)計(jì)

將大數(shù)據(jù)挖掘的原理應(yīng)用于礦山安全預(yù)警系統(tǒng)中，有利于實(shí)現(xiàn)減少事故發(fā)生的幾率。在目前的礦山生產(chǎn)中，一方面，各類(lèi)礦山的預(yù)警信息大部分依靠人為判斷，而人為判斷容易受到各方面的因素影響，以至于出現(xiàn)錯(cuò)判、漏判的現(xiàn)象；另一方面，由于礦山工作中產(chǎn)生的各方面數(shù)據(jù)量較大，人工很難實(shí)現(xiàn)數(shù)據(jù)的綜合判斷。將大數(shù)據(jù)挖掘原理應(yīng)用到礦山安全預(yù)警系統(tǒng)中，利用計(jì)算機(jī)進(jìn)行數(shù)據(jù)整合和分析可以準(zhǔn)確的捕捉敏感信息，一定程度上避免人工易受影響的缺點(diǎn)，提高了預(yù)警信息的準(zhǔn)確性。

礦山事故預(yù)警系統(tǒng)采用基于云計(jì)算技術(shù)的進(jìn)行三級(jí)部署，通過(guò)分布式消息總線(xiàn)實(shí)現(xiàn)數(shù)據(jù)的快速處理與分發(fā)，融合分布式非結(jié)構(gòu)化數(shù)據(jù)管理技術(shù)優(yōu)化數(shù)據(jù)的存儲(chǔ)效率與磁盤(pán)利用率，進(jìn)一步支持大數(shù)據(jù)分析以及為后續(xù)的安全生產(chǎn)事故預(yù)測(cè)預(yù)判提供支撐。

3.1 礦井端系統(tǒng)設(shè)計(jì)

礦井端系統(tǒng)主要實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)監(jiān)控?cái)?shù)據(jù)、安全生產(chǎn)以及經(jīng)營(yíng)管理數(shù)據(jù)、音視頻數(shù)據(jù)以及圖紙、文件等各類(lèi)結(jié)構(gòu)化、半結(jié)構(gòu)化以及非結(jié)構(gòu)數(shù)據(jù)的采集、梳理、過(guò)濾和預(yù)處理，從而為上級(jí)的大數(shù)據(jù)平臺(tái)提供基礎(chǔ)。通過(guò)數(shù)據(jù)采集器收集礦井傳感器數(shù)據(jù)、人員位置信息數(shù)據(jù)以及井下各類(lèi)其他信息，采用基于數(shù)據(jù)分類(lèi)的質(zhì)量控制算法，對(duì)采集的數(shù)據(jù)進(jìn)行梳理，并與其他的管理數(shù)據(jù)信息匯入實(shí)時(shí)關(guān)系數(shù)據(jù)庫(kù)，經(jīng)過(guò)數(shù)據(jù)預(yù)處理系統(tǒng)，從而傳送到公司和集團(tuán)兩大數(shù)據(jù)分析平臺(tái)。礦井端系統(tǒng)構(gòu)架圖如圖1所示。

圖1 礦井端系統(tǒng)架構(gòu)圖

3.1.1 數(shù)據(jù)采集器

基于現(xiàn)有礦山的數(shù)據(jù)傳感器，通過(guò)建立在礦端的數(shù)據(jù)采集器，對(duì)傳感器采集的生產(chǎn)自動(dòng)化數(shù)據(jù)、環(huán)境監(jiān)測(cè)數(shù)據(jù)、電力系統(tǒng)數(shù)據(jù)、機(jī)車(chē)運(yùn)輸數(shù)據(jù)以及視頻監(jiān)控?cái)?shù)據(jù)等等進(jìn)行數(shù)據(jù)的匯總，實(shí)現(xiàn)各類(lèi)數(shù)據(jù)的完整匯集。并通過(guò)嵌入式等技術(shù)對(duì)數(shù)據(jù)采集器進(jìn)行定制化開(kāi)發(fā)，實(shí)現(xiàn)對(duì)采集的數(shù)據(jù)進(jìn)行數(shù)據(jù)質(zhì)量控制，從源頭上對(duì)數(shù)據(jù)進(jìn)行質(zhì)量把控。減少壞數(shù)據(jù)、臟數(shù)據(jù)對(duì)數(shù)據(jù)整體的影響，因?yàn)楹笃诘臄?shù)據(jù)傳輸以及后期的數(shù)據(jù)分析減少了部分?jǐn)?shù)據(jù)壓力。同時(shí)對(duì)數(shù)據(jù)采集器進(jìn)行時(shí)鐘同步功能操作，實(shí)現(xiàn)采集數(shù)據(jù)在時(shí)間層面的統(tǒng)一。

3.1.2 管理數(shù)據(jù)ETL系統(tǒng)

管理數(shù)據(jù)ETL系統(tǒng)主要針對(duì)礦井端的生產(chǎn)執(zhí)行系統(tǒng)數(shù)據(jù)、設(shè)備管理系統(tǒng)數(shù)據(jù)、ERP系統(tǒng)數(shù)據(jù)以及OA系統(tǒng)數(shù)據(jù)進(jìn)行數(shù)據(jù)的采集、抽取、轉(zhuǎn)換與清洗。通過(guò)對(duì)管理數(shù)據(jù)的匯總，實(shí)現(xiàn)對(duì)煤礦端井上部分的數(shù)據(jù)匯總，從而整體上對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)整合，建立完整的數(shù)據(jù)聯(lián)動(dòng)。在后期的數(shù)據(jù)匯總過(guò)程中，通過(guò)管理數(shù)據(jù)與監(jiān)測(cè)數(shù)據(jù)的聯(lián)合，實(shí)現(xiàn)責(zé)任到人、具體到物的一觸到底的數(shù)據(jù)聯(lián)系。

3.1.3 實(shí)時(shí)關(guān)系數(shù)據(jù)庫(kù)

實(shí)時(shí)關(guān)系數(shù)據(jù)庫(kù)是數(shù)據(jù)庫(kù)系統(tǒng)的一個(gè)重要分支，通過(guò)數(shù)據(jù)庫(kù)技術(shù)與實(shí)時(shí)數(shù)據(jù)處理技術(shù)的結(jié)合，可直接進(jìn)行實(shí)時(shí)的數(shù)據(jù)采集、獲取企業(yè)運(yùn)行過(guò)程中的各類(lèi)數(shù)據(jù)。通過(guò)數(shù)據(jù)庫(kù)對(duì)管理數(shù)據(jù)ETL系統(tǒng)和數(shù)據(jù)采集器采集的數(shù)據(jù)進(jìn)行匯總和整合。借助實(shí)時(shí)關(guān)系數(shù)據(jù)庫(kù)的特有技術(shù)，實(shí)現(xiàn)對(duì)煤礦運(yùn)行過(guò)程中的數(shù)據(jù)進(jìn)行及時(shí)的整理與處理。在煤礦端的實(shí)時(shí)數(shù)據(jù)庫(kù)中，可實(shí)現(xiàn)對(duì)礦端的文本數(shù)據(jù)、音頻數(shù)據(jù)、視頻數(shù)據(jù)以及其他數(shù)據(jù)類(lèi)型進(jìn)行存儲(chǔ)，可實(shí)現(xiàn)煤礦的去紙化辦公，加速礦山信息化的建設(shè)。

3.1.4 數(shù)據(jù)預(yù)處理系統(tǒng)

由于在實(shí)際的數(shù)據(jù)中存在臟數(shù)據(jù)，無(wú)法直接進(jìn)行應(yīng)用，或者進(jìn)行數(shù)據(jù)挖掘結(jié)果不很理想，因此為了提高數(shù)據(jù)挖掘的質(zhì)量產(chǎn)生了數(shù)據(jù)預(yù)處理系統(tǒng)。數(shù)據(jù)預(yù)處理系統(tǒng)旨在對(duì)采集的數(shù)據(jù)進(jìn)行處理，主要是清理異常值、糾正錯(cuò)誤數(shù)據(jù)。數(shù)據(jù)預(yù)處理的方法主要包含數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換以及數(shù)據(jù)規(guī)約等。

在礦井端的數(shù)據(jù)預(yù)處理系統(tǒng)主要針對(duì)實(shí)時(shí)數(shù)據(jù)庫(kù)的數(shù)據(jù)進(jìn)行流處理式的數(shù)據(jù)清洗，對(duì)整體的數(shù)據(jù)質(zhì)量進(jìn)行綜合把控，便于后期在集團(tuán)公司對(duì)數(shù)據(jù)的高效率應(yīng)用。

3.1.5 數(shù)據(jù)同步傳輸系統(tǒng)

在數(shù)據(jù)預(yù)處理系統(tǒng)之后，隨著數(shù)據(jù)流的轉(zhuǎn)換將進(jìn)入到數(shù)據(jù)同步傳輸系統(tǒng)。通過(guò)數(shù)據(jù)同步傳輸系統(tǒng)，將各個(gè)煤礦端的數(shù)據(jù)通過(guò)網(wǎng)絡(luò)傳輸?shù)郊瘓F(tuán)總部的，實(shí)現(xiàn)集團(tuán)公司所有礦山企業(yè)的數(shù)據(jù)匯總。另一方面，數(shù)據(jù)的同步傳輸更實(shí)現(xiàn)了對(duì)數(shù)據(jù)實(shí)現(xiàn)了流處理。保證了集團(tuán)公司數(shù)據(jù)庫(kù)的數(shù)據(jù)實(shí)時(shí)更新，實(shí)現(xiàn)了后期預(yù)測(cè)模型的自學(xué)習(xí)過(guò)程。通過(guò)數(shù)據(jù)同步傳輸系統(tǒng)可使得預(yù)測(cè)模型能夠得到實(shí)時(shí)的進(jìn)化，對(duì)后期基于數(shù)據(jù)的預(yù)測(cè)更精準(zhǔn)。

3.2 集團(tuán)公司端系統(tǒng)設(shè)計(jì)

基于礦井端預(yù)處理的數(shù)據(jù)基礎(chǔ)，在分(子)公司與集團(tuán)搭建兩級(jí)的大數(shù)據(jù)平臺(tái)，并分別利用流數(shù)據(jù)處理技術(shù)以及批處理技術(shù)實(shí)現(xiàn)礦井安全的預(yù)測(cè)預(yù)警系統(tǒng)。集團(tuán)公司端系統(tǒng)架構(gòu)如圖2所示。

圖2 集團(tuán)公司端系統(tǒng)架構(gòu)圖

流數(shù)據(jù)處理系統(tǒng)的發(fā)展主要?jiǎng)澐譃槿?，第一代流?shù)據(jù)處理系統(tǒng)是一種集中式的架構(gòu)，最具代表性的包括Aurora、TelegraphCQ和STREAM等，通常為單機(jī)版并且功能有限；第二代流數(shù)據(jù)處理系統(tǒng)為分布式體系結(jié)構(gòu)，并且開(kāi)始具備良好的容錯(cuò)性、支持適應(yīng)性的查詢(xún)等特征；第三代流數(shù)據(jù)處理系統(tǒng)是由云計(jì)算技術(shù)促成的，其典型特征是可擴(kuò)展性及容錯(cuò)能力。批處理系統(tǒng)就是對(duì)文件或者數(shù)據(jù)進(jìn)行批處理，適用于對(duì)海量數(shù)據(jù)進(jìn)行篩選分析。

為了支持高吞吐流數(shù)據(jù)的采集與處理，通信服務(wù)及計(jì)算平臺(tái)還需要應(yīng)具有良好的可擴(kuò)展性、負(fù)載均衡的能力。在容錯(cuò)性方面，還應(yīng)能夠應(yīng)對(duì)資源超量申請(qǐng)等引起的系統(tǒng)故障、網(wǎng)絡(luò)故障、機(jī)器故障等。通過(guò)公司或者集團(tuán)對(duì)各礦井端數(shù)據(jù)的收集，采用云端計(jì)算技術(shù)，利用MapReduce等對(duì)數(shù)據(jù)進(jìn)行處理，從而實(shí)現(xiàn)系統(tǒng)的智能決策。將數(shù)據(jù)處理結(jié)果與安全準(zhǔn)則想結(jié)合，獲得預(yù)警信息，為礦山安全提供可靠的保證。

3.2.1 終端數(shù)據(jù)接入子系統(tǒng)及數(shù)據(jù)路由分發(fā)總線(xiàn)

終端數(shù)據(jù)接入子系統(tǒng)是集團(tuán)公司端系統(tǒng)對(duì)接礦井端系統(tǒng)數(shù)據(jù)的連接系統(tǒng)，通過(guò)通信服務(wù)集群對(duì)下屬礦山企業(yè)的原始異構(gòu)數(shù)據(jù)進(jìn)行獲取，在集團(tuán)公司端對(duì)數(shù)據(jù)進(jìn)行分類(lèi)匯總。通過(guò)對(duì)數(shù)據(jù)終端性能的設(shè)置，實(shí)現(xiàn)高并發(fā)海量數(shù)據(jù)的同時(shí)匯入，保證集團(tuán)公司端數(shù)據(jù)的完整接收與歸納，保證數(shù)據(jù)的實(shí)時(shí)處理和分發(fā)。

數(shù)據(jù)路由分發(fā)總線(xiàn)通過(guò)訪(fǎng)問(wèn)集團(tuán)公司端的數(shù)據(jù)庫(kù)，實(shí)現(xiàn)智能分發(fā)處理不同數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)內(nèi)容及類(lèi)型的自動(dòng)歸類(lèi)。從數(shù)據(jù)量的角度，數(shù)據(jù)路由分發(fā)將保證數(shù)據(jù)量的穩(wěn)定傳輸，以及各個(gè)節(jié)點(diǎn)數(shù)據(jù)量的負(fù)載均衡，從而不會(huì)出現(xiàn)數(shù)據(jù)熱點(diǎn)的問(wèn)題，在一定程度上保證數(shù)據(jù)節(jié)點(diǎn)的穩(wěn)定性能。

3.2.2 礦井端安全預(yù)測(cè)預(yù)判平臺(tái)

礦井端安全預(yù)測(cè)預(yù)判平臺(tái)是基于集團(tuán)公司總部的云基礎(chǔ)設(shè)施，通過(guò)部署大數(shù)據(jù)平臺(tái)及相關(guān)的分析模型軟件，通過(guò)對(duì)集團(tuán)公司數(shù)據(jù)中心的礦山自有數(shù)據(jù)進(jìn)行訪(fǎng)問(wèn)，實(shí)現(xiàn)對(duì)各個(gè)煤礦事故預(yù)警分析。

(1)數(shù)據(jù)流式計(jì)算子系統(tǒng)與分布式計(jì)算平臺(tái)。數(shù)據(jù)流式計(jì)算子系統(tǒng)是基于Spark組件實(shí)現(xiàn)的內(nèi)存計(jì)算，通過(guò)對(duì)數(shù)據(jù)路由分發(fā)的數(shù)據(jù)進(jìn)行實(shí)時(shí)處理，并經(jīng)過(guò)已有模型的建立分析，實(shí)現(xiàn)對(duì)各類(lèi)事故的及時(shí)預(yù)警分析。通過(guò)模型對(duì)數(shù)據(jù)的自動(dòng)歸類(lèi)獲取與數(shù)據(jù)的實(shí)時(shí)傳輸，實(shí)現(xiàn)模型的自學(xué)習(xí)過(guò)程，完善礦井生產(chǎn)過(guò)程中數(shù)據(jù)參數(shù)，形成礦井自有的安全預(yù)測(cè)預(yù)判平臺(tái)。

(2)海量數(shù)據(jù)存儲(chǔ)與查詢(xún)服務(wù)子系統(tǒng)與分布式NoSQL數(shù)據(jù)庫(kù)。海量數(shù)據(jù)存儲(chǔ)與查詢(xún)服務(wù)子系統(tǒng)通過(guò)對(duì)礦山數(shù)據(jù)庫(kù)的數(shù)據(jù)交互，通過(guò)大數(shù)據(jù)平臺(tái)的Hive組件，實(shí)現(xiàn)對(duì)礦山數(shù)據(jù)的統(tǒng)計(jì)分析。Hive通過(guò)類(lèi)SQL語(yǔ)句，在底層實(shí)現(xiàn)Hadoop中MapReduce計(jì)算流程，繼而對(duì)欲查詢(xún)的分類(lèi)以及相關(guān)結(jié)果進(jìn)行分布式計(jì)算，從而獲得想要的結(jié)果。通過(guò)Hive計(jì)算的結(jié)果與相關(guān)的礦山數(shù)據(jù)集合，可以通過(guò)數(shù)據(jù)傳輸存儲(chǔ)至分布式NoSQL數(shù)據(jù)庫(kù)。通過(guò)對(duì)數(shù)據(jù)集的在分布式NoSQL數(shù)據(jù)庫(kù)中的存儲(chǔ)，解決了相關(guān)信息的存放問(wèn)題，并通過(guò)分布式化解了數(shù)據(jù)丟失而無(wú)備份的問(wèn)題。

3.2.3 集團(tuán)公司端安全預(yù)測(cè)預(yù)判平臺(tái)

集團(tuán)公司端安全預(yù)測(cè)預(yù)判平臺(tái)是對(duì)下屬所有的礦山企業(yè)進(jìn)行綜合評(píng)估與評(píng)判，根據(jù)數(shù)據(jù)的表現(xiàn)特征，在宏觀(guān)上對(duì)礦山的管理、區(qū)域安全等方面進(jìn)行量化評(píng)估。并通過(guò)實(shí)時(shí)的數(shù)據(jù)補(bǔ)充及模型修正，實(shí)現(xiàn)對(duì)礦山以及集團(tuán)的安全預(yù)測(cè)，減少事故的發(fā)生。

(1)數(shù)據(jù)批處理計(jì)算子系統(tǒng)。數(shù)據(jù)批處理計(jì)算子系統(tǒng)不同于數(shù)據(jù)流式計(jì)算子系統(tǒng)，批量處理計(jì)算子系統(tǒng)通過(guò)對(duì)集團(tuán)數(shù)據(jù)中心的所有相關(guān)數(shù)據(jù)進(jìn)行訪(fǎng)問(wèn)，通過(guò)宏觀(guān)的概念建立集團(tuán)公司層面的數(shù)據(jù)分析模型，對(duì)整個(gè)集團(tuán)公司內(nèi)部的各個(gè)影響因素進(jìn)行評(píng)價(jià)與量化，實(shí)現(xiàn)對(duì)集團(tuán)公司的整體安全把控。

(2)海量數(shù)據(jù)存儲(chǔ)與查詢(xún)服務(wù)子系統(tǒng)與分布式NoSQL數(shù)據(jù)庫(kù)。不同于礦級(jí)海量數(shù)據(jù)存儲(chǔ)與查詢(xún)服務(wù)子系統(tǒng)，集團(tuán)公司端海量數(shù)據(jù)存儲(chǔ)與查詢(xún)子服務(wù)系統(tǒng)是基于集團(tuán)內(nèi)所有礦山的數(shù)據(jù)，而不是單獨(dú)針對(duì)于每一個(gè)礦山。通過(guò)對(duì)所有礦山數(shù)據(jù)的把控，能夠在整體上實(shí)現(xiàn)宏觀(guān)層面的安全。集團(tuán)公司端分布式NoSQL數(shù)據(jù)庫(kù)則同于礦級(jí)分布式NoSQL數(shù)據(jù)庫(kù)。

3.2.4 云基礎(chǔ)設(shè)施與大數(shù)據(jù)處理支撐環(huán)境管理

云基礎(chǔ)設(shè)施是搭建在集團(tuán)公司的所有大數(shù)據(jù)平臺(tái)的支撐，通過(guò)在集團(tuán)公司總部的機(jī)房進(jìn)行基礎(chǔ)設(shè)施搭建形成私有云，保證了數(shù)據(jù)層面的安全性。同時(shí)，對(duì)集團(tuán)公司所有數(shù)據(jù)進(jìn)行預(yù)估計(jì)算，更加合理的搭建集團(tuán)云。

大數(shù)據(jù)處理支撐環(huán)境管理主要包括用戶(hù)注冊(cè)與管理子系統(tǒng)、視頻監(jiān)控子系統(tǒng)、生產(chǎn)調(diào)度子系統(tǒng)、OA子系統(tǒng)、服務(wù)質(zhì)量?jī)?yōu)化與評(píng)價(jià)子系統(tǒng)等。通過(guò)這些子系統(tǒng)的建立，能夠?qū)Υ髷?shù)據(jù)處理支撐環(huán)境進(jìn)行良好的支撐與保障，實(shí)現(xiàn)大數(shù)據(jù)平臺(tái)的穩(wěn)定性與可靠性。

4 結(jié)語(yǔ)

煤炭作為傳統(tǒng)能源，在我國(guó)能源消費(fèi)中一直占有較高的比重。隨著科學(xué)技術(shù)的發(fā)展，信息化礦山、數(shù)字化礦山、智慧礦山等概念陸續(xù)被提出和應(yīng)用，但對(duì)于礦山的海量數(shù)據(jù)的分析，仍然沒(méi)有很好的對(duì)策。在當(dāng)前的大數(shù)據(jù)時(shí)代，計(jì)算機(jī)技術(shù)的高速發(fā)展對(duì)礦山海量數(shù)據(jù)分析提供了技術(shù)層面的支持?；谠朴?jì)算大數(shù)據(jù)挖掘技術(shù)，能夠?qū)ΦV山安全隱患提供預(yù)警，進(jìn)一步保障了礦山的安全生產(chǎn)。

[1] 劉海濱，劉浩，劉曦萌.煤礦安全數(shù)據(jù)分析與輔助決策云平臺(tái)研究[J].中國(guó)煤炭，2017(4)

[2] 趙丹，劉劍，馬恒等.煤礦安全監(jiān)測(cè)監(jiān)控系統(tǒng)傳感器設(shè)置[J].煤炭安全，2009 (10)

[3] 胡東濤.基于物聯(lián)網(wǎng)的非煤地下礦山安全監(jiān)測(cè)預(yù)警決策平臺(tái)研究[D]．武漢理工大學(xué)，2014

[4] 張旭平，趙甫胤，孫彥景.基于物聯(lián)網(wǎng)的智慧礦山安全生產(chǎn)模型研究[J]．煤炭工程，2012(10)

[5] 冀汶莉.煤礦安全綜合監(jiān)控系統(tǒng)的數(shù)據(jù)集成與應(yīng)用研究[D].西安科技大學(xué)，2005

[6] 鄭緒新，劉光萍.基于煤礦事故類(lèi)型的灰關(guān)聯(lián)熵分析[J].煤炭技術(shù)，2010(8)

[7] 龍傲雪，田如成.煤礦事故類(lèi)型的灰色關(guān)聯(lián)分析[J].中州煤炭，2009 (9)

[8] 覃容，彭冬芝.事故致因理論探討[J].華北科技學(xué)院學(xué)報(bào)，2005 (3)

[9] 蔣軍成.突變理論及其在安全工程中的應(yīng)用[J].南京化工大學(xué)學(xué)報(bào)，1999(1)

[10] 盧建軍.礦山事故致因理論探討[J].礦業(yè)快報(bào)，2007(10)

[11] 張勝?gòu)?qiáng).我國(guó)煤礦事故致因理論及預(yù)防對(duì)策研究[D].浙江大學(xué)，2004

[12] 劉鵬.云計(jì)算[M].北京:電子工業(yè)出版社，2010

[13] 丁巖，楊慶平，錢(qián)煜明.基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)架構(gòu)及其關(guān)鍵技術(shù)研究[J].中興通訊技術(shù)，2013(1)

[14] 吳朱華.云計(jì)算核心技術(shù)剖析[M].北京:人民郵電出版社,2011

[15] Hwang K，F(xiàn)ox G，Dongarra J.云計(jì)算與分布式系統(tǒng):從并行處理到物聯(lián)網(wǎng) (英文版)[M].北 京:機(jī)械工業(yè)出版社,2012

[16] 何清，莊福振.基于云計(jì)算的大數(shù)據(jù)挖掘平臺(tái)[J].中興通訊技術(shù)，2013(4)

[17] 賀瑤，王文慶，薛飛.基于云計(jì)算的海量數(shù)據(jù)挖掘研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2013(2)

[18] 李學(xué)鋒，謝長(zhǎng)江，段希祥.我國(guó)礦山信息化現(xiàn)狀及發(fā)展途徑探討[J].礦業(yè)研究與開(kāi)發(fā)，2004 (6)

[19] 趙安新.數(shù)字化礦山及其關(guān)鍵技術(shù)應(yīng)用與研究[D].西安科技大學(xué)，2006

[20] 徐靜，譚章祿.智慧礦山系統(tǒng)工程與關(guān)鍵技術(shù)探討[J].煤炭科學(xué)技術(shù)，2014 (4)

Studyonearlywarningsystemofcoalmineaccidentsbasedoncloudcomputingandbigdatacrunchingplatform

Shen Zhuo1,2

(1. School of Management, China University of Mining & Technology, Beijing, Haidian, Beijing 100083, China;2. National Institute for Occupational Safety, Chaoyang, Beijing 100029, China)

Factors that may cause mine accidents were analyzed, using the principles of cloud computing and data mining to analyze the relevance of each event, the cross data analysis model in the field of coal mine safety production was built up. Early warning system for mine accidents was studied and designed and the design of end system of mines and group companies were introduced in detail. According to the analysis results, the system could detect, analyze and judge the state of safety production and information that may cause accidents in advance, and release early warning information of safety production timely, so as to minimize the probability of accidents.

coal mine safety, big data crunching, cloud computing, data processing, early warning information

申琢.基于云計(jì)算和大數(shù)據(jù)挖掘的礦山事故預(yù)警系統(tǒng)研究與設(shè)計(jì)[J].中國(guó)煤炭，2017，43(12)：109-114.

Shen Zhuo. Study on early warning system of coal mine accidents based on cloud computing and big data crunching platform[J].China Coal，2017，43(12)：109-114.

TD-76

A

申琢(1983-)，女，山西聞喜人，中國(guó)礦業(yè)大學(xué)(北京)管理學(xué)院在讀博士，主要研究方向?yàn)榘踩芾怼?/p>

(責(zé)任編輯 路 強(qiáng))