李 爽，李丁煒，猶夢潔

（1.中國礦業(yè)大學 管理學院，江蘇 徐州221008；2.中國礦業(yè)大學 安全科學與應急管理研究中心，江蘇 徐州 221008）

根據(jù)國家煤礦安監(jiān)局網(wǎng)站信息顯示，2015 年到2018 年我國共發(fā)生煤礦生產(chǎn)重大事故20 起，共造成288 人死亡，煤礦安全生產(chǎn)形勢依然嚴峻。國內(nèi)外學者對煤礦安全生產(chǎn)預控工作開展了大量研究，構(gòu)建了應用人工智能技術(shù)的煤礦瓦斯突出、沖擊地壓、地板水災等災害的預測系統(tǒng)[1-3]，并將卷積神經(jīng)網(wǎng)絡和自動編碼器等深度學習模型應用于健康預警、設備預警和環(huán)境預警[4-6]。但目前的煤礦安全生產(chǎn)預控系統(tǒng)仍存在缺陷：風險預測預警方法相對分散和獨立，處理的風險與數(shù)據(jù)類型較少，無法保證預警的準確度；在風險處于產(chǎn)生的臨界點或已經(jīng)產(chǎn)生時進行報警，無法真正實現(xiàn)風險預控；全面系統(tǒng)的安全生產(chǎn)風險智能預警平臺尚未建立等。為了實現(xiàn)煤礦風險的預控，需要全面掌握煤礦在某一時間各項風險發(fā)生的分布情況及其對煤礦整體安全的影響程度。安全態(tài)勢感知（security situation awareness，SSA）是通過智能技術(shù)從時間和空間維度來提取所有與安全相關(guān)的因素，對其進行分析理解來感知整體的安全狀態(tài)并對未來的安全狀態(tài)進行預測[7],在航空和軍事、電網(wǎng)、計算機網(wǎng)絡、醫(yī)學研究[8-10]等領(lǐng)域有較多的研究。將SSA 的概念引入到煤礦安全生產(chǎn)中，從而構(gòu)建智能感知、風險動態(tài)評估與智能預警一體化的礦山安全態(tài)勢感知系統(tǒng)。

1 煤礦安全態(tài)勢感知系統(tǒng)

煤礦安全態(tài)勢的評估因素著眼于某一時間、空間內(nèi)各種風險產(chǎn)生的可能性。其基本流程為：通過對煤礦事故因素動態(tài)變化、內(nèi)外部因素相互作用的分析，總結(jié)對煤礦存在潛在威脅的內(nèi)容，提取煤礦安全態(tài)勢要素；探究多因素作用下的煤礦事故誘發(fā)機理，分析識別煤礦風險源頭及其影響，并建立態(tài)勢分析模型；通過態(tài)勢分析模型識別已經(jīng)獲取的煤礦數(shù)據(jù)中所隱含的風險源對煤礦安全態(tài)勢的影響，評估煤礦系統(tǒng)中存在的潛在威脅，以從全局視角提升煤礦對安全威脅的識別、分析、響應能力。

現(xiàn)有的煤礦安全監(jiān)控和報警系統(tǒng)核心思想在于當風險處于產(chǎn)生的臨界點或已經(jīng)產(chǎn)生時，通過實時的數(shù)據(jù)監(jiān)控和報警功能及時發(fā)現(xiàn)并控制風險。區(qū)別于此，煤礦安全態(tài)勢預測的目的在于，在煤礦進入風險狀態(tài)之前，對影響煤礦風險的主要因素的變化趨勢進行分析預測，在對未來節(jié)點這些數(shù)據(jù)的預測的基礎(chǔ)上評估該未來節(jié)點風險產(chǎn)生的可能性。基于這種目的，需要構(gòu)建適應于度量煤礦安全風險態(tài)勢的預測模型，分析預測煤礦內(nèi)風險產(chǎn)生可能性的變化趨勢，并動態(tài)生成煤礦安全風險態(tài)勢圖，以支持系統(tǒng)對于風險的提前識別和預警。

1.1 系統(tǒng)整體架構(gòu)

煤礦安全態(tài)勢感知系統(tǒng)主要由物聯(lián)網(wǎng)信息收集云平臺數(shù)據(jù)管理、煤礦安全態(tài)勢預測模型、信息可視化平臺、預警通知4 個部分組成，煤礦安全態(tài)勢感知系統(tǒng)技術(shù)架構(gòu)圖如圖1。系統(tǒng)利用基于物聯(lián)網(wǎng)的信息收集云平臺獲取煤礦實時監(jiān)測數(shù)據(jù)和非實時隱患排查數(shù)據(jù)，依據(jù)安全態(tài)勢預測指標體系構(gòu)建安全態(tài)勢預測模型，對監(jiān)測數(shù)據(jù)進行挖掘和分析，進而得出安全態(tài)勢預測結(jié)論；通過可視化平臺將態(tài)勢預測結(jié)果可視化展現(xiàn)，并經(jīng)由預警通知模塊通知相關(guān)的風險負責人。

圖1 煤礦安全態(tài)勢感知系統(tǒng)技術(shù)架構(gòu)圖Fig.1 Technical architecture diagram of coal mine safety situational awareness system

1.2 物聯(lián)網(wǎng)信息收集云平臺數(shù)據(jù)管理

物聯(lián)網(wǎng)是互聯(lián)網(wǎng)、傳統(tǒng)電信網(wǎng)等信息承載體，讓所有能行使獨立功能的普通物體實現(xiàn)互聯(lián)互通的網(wǎng)絡。物聯(lián)網(wǎng)及其信息處理、存儲云平臺是基于大數(shù)據(jù)的煤礦安全態(tài)勢預測系統(tǒng)的起點。為實現(xiàn)對煤礦整體安全態(tài)勢的評估預測和及時預警，需要對煤礦實時與非實時安全監(jiān)測數(shù)據(jù)進行收集和分析。基于物聯(lián)網(wǎng)技術(shù)，通過煤礦監(jiān)測傳感器收集海量的煤礦實時與非實時監(jiān)測數(shù)據(jù)并將其上傳至計算云平臺。計算云平臺通過對大數(shù)據(jù)的挖掘處理，提取并為煤礦安全態(tài)勢感知系統(tǒng)提供其所需指標的數(shù)據(jù)，以進行煤礦的安全態(tài)勢分析和風險預測。

物聯(lián)網(wǎng)通過監(jiān)測傳感器收集煤礦監(jiān)測數(shù)據(jù)，上傳至云平臺分析處理。煤礦安全態(tài)勢感知系統(tǒng)通過云平臺數(shù)據(jù)管理模塊借助云平臺提供的數(shù)據(jù)接口實現(xiàn)云平臺與系統(tǒng)的數(shù)據(jù)交流，以實現(xiàn)應用于安全態(tài)勢預測的煤礦監(jiān)測數(shù)據(jù)的下載，以及煤礦預測預警結(jié)果的上傳。實現(xiàn)煤礦安全數(shù)據(jù)集約化、網(wǎng)絡化遠程管理，充分發(fā)揮物聯(lián)網(wǎng)及云技術(shù)在煤礦安全態(tài)勢預測中的作用。物聯(lián)網(wǎng)信息收集云平臺數(shù)據(jù)管理主要包括物聯(lián)網(wǎng)數(shù)據(jù)獲取以及本地數(shù)據(jù)上傳2 部分。

1.3 煤礦安全態(tài)勢預測模型

煤礦安全態(tài)勢預測模型為系統(tǒng)的核心部分，在構(gòu)建安全態(tài)勢預測模型的基礎(chǔ)上對煤礦整體安全態(tài)勢進行分析和預測，以實現(xiàn)對煤礦可能風險的預先知悉、評估和診斷，為煤礦安全建設提供依據(jù)。并將過往、當前以及未來時間節(jié)點和安全態(tài)勢評估綜合，形成一個體現(xiàn)對煤礦風險的總體評估的安全態(tài)勢走向圖，以及各項風險產(chǎn)生可能性變化趨勢圖，通過信息可視化平臺展現(xiàn)給使用者。在安全態(tài)勢預測模型的評估結(jié)果中，如果未來時間節(jié)點某一區(qū)塊存在某種風險，系統(tǒng)將對風險進行預警，并通過通知模塊告知相關(guān)負責人。

1.4 信息可視化平臺

信息可視化平臺是系統(tǒng)與使用者交互的接口，將管理者在煤礦生產(chǎn)管理中所要的各種信息（煤礦安全態(tài)勢預測結(jié)果、煤礦風險預測結(jié)果、煤礦作業(yè)信息、系統(tǒng)管理信息）等內(nèi)容進行綜合可視化展現(xiàn)。

1）煤礦作業(yè)信息展現(xiàn)。模塊將煤礦作業(yè)信息以圖表的形式展示給礦區(qū)負責人，并支持其對作業(yè)信息的新增和更改。礦區(qū)需要進行作業(yè)時，負責人創(chuàng)建作業(yè)信息，系統(tǒng)通過信息通知模塊通知相應礦區(qū)的負責人以協(xié)調(diào)工作。同時模塊還會協(xié)調(diào)安全態(tài)勢預測模塊，在作業(yè)期間停止對作業(yè)所影響的風險指標進行預測預警。

2）系統(tǒng)管理信息展現(xiàn)。模塊將系統(tǒng)用戶、用戶權(quán)限、系統(tǒng)參數(shù)設定、相關(guān)負責人設定、煤礦區(qū)塊劃分、預測預警指標體系、安全態(tài)勢模型參數(shù)等系統(tǒng)管理信息展示給系統(tǒng)管理者，并持支其對各項參數(shù)的修改。同時對后臺管理模塊的一切操作進行記錄，以便后續(xù)的審計工作開展。

1.5 預警通知

當作業(yè)人員發(fā)布新的作業(yè)后，模塊根據(jù)作業(yè)信息中的作業(yè)位置，及時告知后臺管理模塊負責人管理中所設定的改作業(yè)區(qū)塊的負責人，以便區(qū)塊負責人協(xié)調(diào)工作。當煤礦處于風險狀態(tài)并進行風險預警后，模塊立即通知存在風險隱患的區(qū)塊的負責人，同時通知諸如煤礦礦長等管理人員。信息通知方式采用短信通知、郵件通知、系統(tǒng)手機客戶端多種方式并行通知。

2 煤礦安全態(tài)勢預測模型方案

煤礦安全態(tài)勢預測模型的建立包括2 個部分，安全態(tài)勢預測指標體系和安全態(tài)勢預測模型。指標體系的建立基于對煤礦事故記錄的分析以提取煤礦風險影響因子，并通過貝葉斯網(wǎng)絡（Bayesian Network，BN）提取事故致因鏈以區(qū)分多級指標。預測模型的建立基于粗糙集理論（Rough Set, RS）和支持向量機（Support Vector Machine, SVM）的結(jié)合應用，通過機器學習的方式對各項風險直接影響因素進行一級預測，并根據(jù)貝葉斯網(wǎng)絡模型對風險發(fā)生的可能性進行二級預測，以實現(xiàn)煤礦安全態(tài)勢的預測和風險的預警。

2.1 預處理階段

預處理階段的目的是明確煤礦存在的風險，確定進行煤礦安全態(tài)勢預測所需要監(jiān)測獲得的數(shù)據(jù)。系統(tǒng)依據(jù)全國煤礦事故數(shù)據(jù)提取出5 個主要煤礦事故：瓦斯、頂板、運輸、水災以及機電事故,以及會導致各項煤礦事故的危險源，并結(jié)合專家經(jīng)驗習構(gòu)建貝葉斯網(wǎng)絡結(jié)構(gòu)。通過貝葉斯網(wǎng)絡圖可以得到各項事故的致因鏈以及各個節(jié)點的概率分布。依據(jù)事故致因鏈，可以進一步區(qū)分導致事故的直接因素也即一級指標，以及間接因素也即多級指標。具體流程如下：①根據(jù)全國煤礦安全事故記錄或地區(qū)煤礦安全事故提取出煤礦主要風險及危險源，并對事故樣本進行參數(shù)學習和結(jié)構(gòu)學習，生成貝葉斯網(wǎng)絡；②地區(qū)煤礦專家根據(jù)經(jīng)驗調(diào)整概率網(wǎng)絡圖，分析獲得各風險的致因鏈以及各節(jié)點概率；③根據(jù)貝葉斯網(wǎng)絡概率圖和風險致因鏈，區(qū)分影響煤礦風險的一級指標和多級指標，并得到風險二級預測模型，用于后續(xù)的安全態(tài)勢預測；④根據(jù)物聯(lián)網(wǎng)收集的監(jiān)測數(shù)據(jù)動態(tài)調(diào)整概率網(wǎng)絡，逐漸得到最適應地區(qū)煤礦的指標體系及概率分布。以煤礦瓦斯事故為例實施預處理階段，以2000 年至2018 年間全國瓦斯事故為樣本，總結(jié)并歸納事故原因，構(gòu)建瓦斯事故的貝葉斯網(wǎng)絡結(jié)構(gòu)。根據(jù)貝葉斯網(wǎng)絡結(jié)構(gòu)提取以下信息。

2.1.1 多級指標體系

由貝葉斯網(wǎng)絡結(jié)構(gòu)分析得知，會導致瓦斯事故風險的直接因素有明火、電器失爆、瓦斯積聚3 項，稱一級指標，記為FWi0對瓦斯事故各條一級指標致因鏈進行分析，確認對一級指標存在直接或間接影響的因素，稱多級指標，記為MWi0一級指標明火FW1，對應的多級指標為：安全培訓不到位MW11、安全執(zhí)行能力弱MW12、技術(shù)管理不到位MW13、礦工安全意識低MW14、摩擦撞擊MW15、“三違”行為MW16共6 項。一級指標電器失爆F(xiàn)W2，對應的多級指標為MW11、MW12、MW13、MW14、MW16、設備老化MW17等6 項。一級指標瓦斯積聚FW3，對應的多級指標為MW13、通風系統(tǒng)混亂MW18、瓦斯監(jiān)控系統(tǒng)故障MW19、瓦斯涌出MW110等4 項。

2.1.2 風險二級預測模型

對于t 時刻瓦斯事故風險，該時刻此風險對應的一級指標樣本取值集合為FW＝f＝｛FW1＝f1，F(xiàn)W2＝f2，F(xiàn)W3＝f3，預測在FW＝f 條件下該時刻瓦斯事故風險的后驗概率，以此評估該時刻PW＝Y(jié) 的可能性, 其中PW＝Y(jié) 表示瓦斯風險PW發(fā)生。概率模型計算公式為：

一級指標與其對應多級指標處于同一致因鏈，兩者之間存在一定程度的聯(lián)系。但由于該預處理階段通過全國歷史事故數(shù)據(jù)學習與專家經(jīng)驗結(jié)合構(gòu)建貝葉斯網(wǎng)絡，據(jù)此考察實際煤礦的兩者之間的映射關(guān)系存在局限性，因此系統(tǒng)將煤礦風險預測分為2級，在預處理階段并不進一步探究兩者間的聯(lián)系。

2.2 數(shù)據(jù)處理階段

數(shù)據(jù)處理階段將來自云平臺的實時數(shù)據(jù)和非實時數(shù)據(jù)作為輸入，并進行過濾、融合及精簡處理。

1）數(shù)據(jù)過濾的目的是剔除不符合約束要求的數(shù)據(jù)，數(shù)據(jù)過濾將剔除監(jiān)測數(shù)據(jù)中因各種原因?qū)е碌娜缑黠@數(shù)據(jù)異常、錯誤格式數(shù)據(jù)等錯誤數(shù)據(jù)，并通過RS 理論對缺失數(shù)據(jù)進行補完。

2）數(shù)據(jù)精簡的目的是通過RS 理論在數(shù)據(jù)分析的基礎(chǔ)上剔除對事故風險影響可以忽略的指標，從而減少SVM 模型的訓練時間，降低其復雜程度。

3）數(shù)據(jù)合并的目的是將同一監(jiān)測區(qū)域的多個同類監(jiān)測數(shù)據(jù)進行合并處理，以精確定位風險區(qū)域并減少風險分析中的重復計算。合并策略是風險最大估計策略，即在一個小范圍的檢測區(qū)域內(nèi)，同類型的監(jiān)測數(shù)據(jù)取其中最壞的結(jié)果，以避免風險漏報的可能性。具體流程為：取最差值：一個煤礦區(qū)塊同一項監(jiān)測指標的全部傳感器取值集合為Vw={V1，V2，V3，…，Vw}，對這組數(shù)據(jù)正向化處理并取最小值min（Vw）。歸一化處理：對全部監(jiān)測數(shù)據(jù)歸一化，采用最大最小標準化法，以進行一級指標預測階段SVM 模型的訓練。數(shù)據(jù)合并同時對非實時數(shù)據(jù)進行實時歸類，依據(jù)專家意見為非實時數(shù)據(jù)設定的效應時間t，當一個非實時數(shù)據(jù)上傳至系統(tǒng)后，在其發(fā)生時間后的t 時間內(nèi)，將其視為實時數(shù)據(jù)用于態(tài)勢預測。

2.3 風險預測階段

一級指標預測階段實現(xiàn)對煤礦風險可能性的預測。實際場合中，地區(qū)煤礦的事故數(shù)據(jù)較難獲得，將全國歷史數(shù)據(jù)用于地方煤礦建模適用程度有限；而人為設定的煤礦風險評估值較主觀，缺乏公信力。為此，系統(tǒng)將風險預測中的預測階段分為2 級。

1）一級預測。通過構(gòu)建一級指標與其對應的多級指標間的SVM 一級預測模型對一級指標進行預測。相比于難以獲得的煤礦事故數(shù)據(jù)，煤礦內(nèi)一級指標和多級指標數(shù)據(jù)在監(jiān)測物聯(lián)網(wǎng)的支持下是可以精確獲取的，以多級指標為輸入自變量，對應下一時間節(jié)點的一級指標為輸入因變量構(gòu)建一級指標的預測模型。系統(tǒng)采用RBF 核函數(shù)作為SVM 模型的特征函數(shù)，核函數(shù)參數(shù)g 和錯誤懲罰因子C 根據(jù)煤礦具體情況和專家意見確定。

2）二級預測。根據(jù)各項風險對應的一級指標預測結(jié)果通過貝葉斯網(wǎng)絡風險二級預測模型評估此未來時間節(jié)點風險產(chǎn)生的可能性。風險可能性預測后，據(jù)此對風險進行分級，以評估其對煤礦整體安全態(tài)勢的影響，風險分級見表1。同時，為了滿足煤礦具體至某一區(qū)塊的報警需求，需要在風險預測階段識別風險發(fā)生區(qū)域，此階段對煤礦中所有區(qū)塊進行單獨的風險預測。

表1 安全態(tài)勢影響的風險等級Table 1 Risk level of security situation impact

2.4 態(tài)勢評估階段

煤礦安全態(tài)勢就是煤礦在某一時間節(jié)點內(nèi)各項風險發(fā)生的分布情況及其對煤礦整體安全的影響程度,與時間變化、空間分布存在關(guān)系，并且表現(xiàn)為風險的嚴重程度和影響范圍。對于某一時刻煤礦整體的安全態(tài)勢，需要對此時刻所有風險的影響進行計算和累加得到反應煤礦安全狀態(tài)的態(tài)勢值。

t 時刻風險N 對于煤礦整體安全的影響以安全態(tài)勢評估值SN（t）表示，計算公式為：

式中：P 為風險可能性；L 為風險等級；T 為風險告警時間；S 為風險影響范圍；M 為該風險所有可能存在的區(qū)域的數(shù)量。

T 默認值為1，當某一區(qū)塊預測風險存在并預警后，未及時解除風險狀態(tài)，至下一時刻該區(qū)塊該風險仍然存在，則T 值加1。

對于煤礦整體安全態(tài)勢，需要考慮所有評估維度的影響。煤礦整體安全態(tài)勢評估值S（t）計算為：

式中：N 為主要風險的數(shù)量，N=5；Wi為根據(jù)煤礦實際情況參考專家經(jīng)驗為各項風險設定的權(quán)重。

對于單項風險或是煤礦整體的安全態(tài)勢評估值，當評估值為0 時，煤礦所有區(qū)塊都不存在風險。當評估值不為0 時，表明煤礦內(nèi)存在風險，并且值越大，風險可能性越高、風險影響時間與范圍越廣或是存在的風險越多。

3 實例分析

安全態(tài)勢預測建模數(shù)據(jù)來源于山西長治霍爾辛赫試點煤礦物聯(lián)網(wǎng)建設，鑒于該項目建設尚未全部完成，無法提供完整的監(jiān)測數(shù)據(jù)，僅以瓦斯風險為例，從瓦斯風險這1 單一維度對該礦進行安全態(tài)勢預測。樣本數(shù)據(jù)為30 min 上傳1 次的監(jiān)測數(shù)據(jù)，共計48 組樣本。使用36 組數(shù)據(jù)作為訓練集構(gòu)建預測模型，12 組數(shù)據(jù)作為測試集對試點煤礦進行瓦斯風險預測以及態(tài)勢評估結(jié)果見表2。由結(jié)果可知，在監(jiān)測時間內(nèi)，雖然由于短暫出現(xiàn)火源和瓦斯?jié)舛忍嵘龑е峦咚癸L險可能性上升，但提升幅度較小，仍處于無風險范圍內(nèi)。由于監(jiān)測時間內(nèi)樣本區(qū)塊始終處于無風險狀態(tài)，瓦斯風險安全態(tài)勢評估值始終為0，證明在監(jiān)測時間段內(nèi)樣本區(qū)塊瓦斯單項風險的安全態(tài)勢處于良好的狀態(tài)，這與樣本區(qū)塊在該時間段未產(chǎn)生瓦斯風險這一事實相符。這一階段內(nèi)區(qū)塊瓦斯風險態(tài)勢評估值變化曲線是一條取值始終為0 的線段。

表2 瓦斯風險預測Table 2 Gas risk forecast

4 結(jié) 語

將安全態(tài)勢感知的概念引入煤礦安全領(lǐng)域之中，評估各時間節(jié)點內(nèi)煤礦風險發(fā)生的分布情況及其對煤礦整體安全的影響程度，以實現(xiàn)在風險產(chǎn)生前預測風險的到來并提前識別風險、消除風險的目的。同時提出了一種基于煤礦風險維度的煤礦整體安全態(tài)勢評價方法，以煤礦安全態(tài)勢走向圖的形式為煤礦管理者提供一種極其直觀簡明了解煤礦整體安全情況的方法，并在此基礎(chǔ)上構(gòu)建了集智能感知、風險動態(tài)評估與智能預警于一體化的礦山安全態(tài)勢感知系統(tǒng)，以實現(xiàn)煤礦安全管理的定量化、自動化、智能化，為管理者進行管理決策提供相當程度的支持。