侯 錟，劉麗君，趙 巖，劉 地

(1.陜煤張家峁礦業(yè)有限公司，陜西 榆林 719300； 2.西安科技大學(xué) 計算機科學(xué)與技術(shù)學(xué)院，陜西 西安 710054)

煤礦開采過程危險復(fù)雜，采礦條件也日趨復(fù)雜。我國90%以上的煤炭產(chǎn)量來自于井工開采，開采強度與規(guī)模的加大使采煤區(qū)地面塌陷嚴(yán)重。據(jù)統(tǒng)計，平均每采出10 kt原煤，就可使土地沉陷0.2 hm2,目前沉陷面積已達(dá)135萬hm2，并以7萬hm2/a的速度遞增。而隨著數(shù)據(jù)時代的到來，礦井智能化應(yīng)用于多個領(lǐng)域，礦山智能化能極大地提高礦山生產(chǎn)效率，保證礦山的安全生產(chǎn)，減少生命和財產(chǎn)損失。所以，對于智能礦井的研究顯得尤為重要，具有現(xiàn)實意義[1-3]。

知識圖譜是近幾年為大家所知的一個概念，在圖書情報界稱為知識與可視化或知識領(lǐng)域映射地圖，是顯示知識發(fā)展進(jìn)程和結(jié)構(gòu)關(guān)系的一系列各種不同的圖形，用可視化技術(shù)描述知識資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識及其相互聯(lián)系。知識圖譜對于大量的文獻(xiàn)處理和可視化分析，對某一學(xué)科的文獻(xiàn)、研究人員、研究機構(gòu)、發(fā)文量、關(guān)鍵熱詞等具有獨特功能[4-8]。

為了更加深入了解我國智能礦井探究現(xiàn)狀和研究成果，更加清晰展現(xiàn)此方面文獻(xiàn)的研究方向與趨勢，以中國知網(wǎng)CNKI期刊作為數(shù)據(jù)庫，選取“智能礦井”“智慧礦山”“數(shù)字礦山”“礦山智能”為主題的相關(guān)文獻(xiàn)為研究對象，利用可視化工具Citespace和VOSviewer繪制知識圖譜展開研究，以期為國內(nèi)的學(xué)者對此方面的研究提供一些參考，幫助他們快速把握熱點、掌握脈絡(luò)。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

本文以CNKI期刊數(shù)據(jù)庫，分別以“智能礦井”“智慧礦山”“數(shù)字礦山”“礦山智能”為主題詞檢索，篩選掉外文文獻(xiàn)，選取1991—2020年的1 931篇中文文獻(xiàn)，進(jìn)行數(shù)據(jù)檢索下載并整理。數(shù)據(jù)來源：CNKI數(shù)據(jù)庫；檢索格式：主題詞=“智能礦井”“智慧礦山”“數(shù)字礦山”“礦山智能”；時間跨度：1991—2020；文獻(xiàn)語種：中文；文獻(xiàn)類型：期刊、會議。報紙、博(碩)士論文；精煉結(jié)果：1 931篇中文文獻(xiàn)；檢索時間：2020年3月28日[9-10]。

1.2 研究方法

本文采用Citespace和VOSviewer兩種可視化分析軟件[11-13]。

Citespace是一款著眼于分析科學(xué)文獻(xiàn)中蘊含的潛在知識，并在科學(xué)計量學(xué)，數(shù)據(jù)和信息可視化背景下逐漸發(fā)展起來的一款多元、分時、動態(tài)的引文可視化分析軟件，由美國德雷塞爾大學(xué)計算機與情報學(xué)教授陳超美使用Java語言開發(fā)的。本文采用的是Citespace5.6.R1.12.3版本。

VOSviewer是荷蘭萊頓大學(xué)科技研究中心的van Eck和Waltman于2009年開發(fā)的一款用于構(gòu)建和可視化文獻(xiàn)計量網(wǎng)絡(luò)的軟件。本文采用的是VOSviewer_1.6.15版本。

2 研究的基本情況

2.1 發(fā)文量分析

基于CNKI數(shù)據(jù)庫的檢索結(jié)果，通過整理數(shù)據(jù)，利用Excel畫出每年的發(fā)文量(圖1)[14-18]。

圖1 發(fā)文量時間分布Fig.1 Time distribution of published papers

從圖1可以看出，發(fā)文量隨著年份基本上呈遞增趨勢，而在2015—2017年出現(xiàn)大幅度下滑，原因是：2016年左右，全球經(jīng)濟陷入長期低迷態(tài)勢，受此影響礦業(yè)市場也處于低迷態(tài)勢，并且全國地質(zhì)災(zāi)害多發(fā)頻發(fā)。從2017年之后發(fā)文量逐步上升，2017年5月，國土資源部、財政部、環(huán)境保護部、國家質(zhì)檢總局、銀監(jiān)會、證監(jiān)會聯(lián)合印發(fā)《關(guān)于加快綠色礦山的實施意見》，體現(xiàn)國家全面推進(jìn)礦山建設(shè)工作的意志，促使2018年發(fā)文量增加。2019年出現(xiàn)了發(fā)文量的高峰，原因是2019年3月，第十三屆全國人民代表大會第二次會議審查并通過《關(guān)于2018年國民經(jīng)濟和社會發(fā)展計劃執(zhí)行情況與2019年國民經(jīng)濟和社會發(fā)展計劃草案的報告》，批準(zhǔn)了2019年國民經(jīng)濟和社會發(fā)展計劃。計劃提出，要組織實施新一輪技術(shù)改造升級工程，運用互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新技術(shù)和先進(jìn)適用綠色工藝、技術(shù)、裝備改造傳統(tǒng)產(chǎn)業(yè)。預(yù)計未來有關(guān)智能礦井的研究的發(fā)文量將會持續(xù)的增長。

2.2 作者分析

通過Citespace對作者進(jìn)行分析，篩選發(fā)文量大于等于5篇的作者。Citespace的分析結(jié)果如圖2所示。由圖2可知，結(jié)點大小表示作者發(fā)文量的多少，連線的粗細(xì)表示作者之間合作密度。

通過VOSviewer對作者進(jìn)行分析，篩選發(fā)文量大于等于6篇的作者，整理如下：①吳立新為30篇；②張夏林為11篇；③吳沖龍為10篇；④田宜平為8篇；⑤王李管為8篇；⑥汪云甲為7篇；⑦翁正平為7篇；⑧王凱為7篇；⑨何珍文為6篇；⑩張宇為6篇；陳國旭為6篇；楊可明為6篇；譚章祿為6篇。

圖2 Citespace分析作者知識圖譜Fig.2 Author′s knowledge map made by Citespace

結(jié)合作者發(fā)文量的知識圖譜，可以看出發(fā)文量最多的作者為來自中國礦業(yè)大學(xué)(北京)的吳立新教授，吳立新教授主要關(guān)注礦山GIS、數(shù)字礦山等領(lǐng)域，主要從事MGIS開發(fā)與應(yīng)用、礦山開采沉陷、遙感巖石力學(xué)和礦區(qū)環(huán)境可持續(xù)發(fā)展等領(lǐng)域的研究。他所發(fā)表的“論21世紀(jì)的礦山——數(shù)字礦山”“再論數(shù)字礦山：特征、框架與關(guān)鍵技術(shù)”等多篇論文，被大量下載和引用。除此之外，吳立新教授獲得支持基金主要有北京市自然科學(xué)基金、國家自然科學(xué)基金、高等學(xué)校優(yōu)秀青年教師教學(xué)科研獎勵計劃、高等學(xué)校博士學(xué)科點專項科研基金、香港研究資助局資助項目、國家重點基礎(chǔ)研究發(fā)展規(guī)劃(973計劃)、高等學(xué)校優(yōu)秀青年教師教學(xué)科研獎勵計劃。他發(fā)表的30篇文獻(xiàn)中，13篇為第一作者，與楊可明、 汪云甲、王彥彬、車德福、馬保東學(xué)者合作較為頻繁，其中，吳立新教授與楊可明教授來自同一機構(gòu)。

來自于中國地質(zhì)大學(xué)的張夏林、吳沖龍、田宜平3位教授合作密切，共同發(fā)表論文3篇。

張夏林教授從事地學(xué)信息工程專業(yè)和地球探測與信息技術(shù)專業(yè)資源信息系統(tǒng)工程方向的教學(xué)與研究，獲得支持基金主要有國家自然科學(xué)基金、國家重點基礎(chǔ)研究發(fā)展規(guī)劃(973計劃)、國家高技術(shù)研究發(fā)展計劃(863計劃)、高等學(xué)校博士學(xué)科點專項科研基金。

吳沖龍主要從事地礦信息系統(tǒng)、數(shù)學(xué)地質(zhì)、煤及石油天然氣地質(zhì)等方面的教學(xué)和科研工作，獲得支持基金主要有國家自然科學(xué)基金、國家科技攻關(guān)計劃、國家重點基礎(chǔ)研究發(fā)展規(guī)劃(973計劃)、國家高技術(shù)研究發(fā)展計劃(863計劃)。

田宜平教授主要從事盆地模擬和三維可視化圖形軟件研究與開發(fā)，獲得支持基金主要有：國家重點基礎(chǔ)研究發(fā)展規(guī)劃(973計劃)、國家自然科學(xué)基金、國家高技術(shù)研究發(fā)展計劃(863計劃)。

來自中南大學(xué)的王李管教授發(fā)表的8篇論文里，均為第二或第三作者，王李管教授的研究方向有：采礦工程、巖土工程、數(shù)字礦山。獲得支持基金主要有國家自然科學(xué)基金、國家高技術(shù)研究發(fā)展計劃(863計劃)、國家科技攻關(guān)計劃、湖南教委科研基金云南省省院省校科技合作計劃項目。

2.3 研究機構(gòu)分析

通過Citespace分析研究機構(gòu)的發(fā)文情況得到研究機構(gòu)發(fā)文量統(tǒng)計結(jié)果：①中國礦業(yè)大學(xué)220篇；②中南大學(xué)57篇；③西安科技大學(xué)42篇；④中煤科工集團研究院36篇。

中國礦業(yè)大學(xué)作為發(fā)文量第一名的高產(chǎn)機構(gòu)獨樹一幟，中國礦業(yè)大學(xué)的礦業(yè)工程為一級國家重點學(xué)科，獲得支持基金主要有聯(lián)合基金項目、青年科學(xué)基金項目、國家自然科學(xué)基金、面上項目、煤炭資源與安全開采國家重點實驗室(中國礦業(yè)大學(xué))開放課題基金。

中南大學(xué)的礦業(yè)工程為世界一流學(xué)科建設(shè)學(xué)科，獲得支持基金主要有國家自然科學(xué)基金資助項目、湖南省研究生科研創(chuàng)新項目、國家杰出青年科學(xué)基金、聯(lián)合基金項目、青年科學(xué)基金項目、面上項目。

西安科技大學(xué)的安全科學(xué)與工程為國家級重點學(xué)科、礦業(yè)工程、地質(zhì)資源與地質(zhì)工程為省重級點學(xué)科，獲得支持基金主要有“973計劃”項目、“863計劃”項目、國家自然科學(xué)基金項目、面上項目、青年科學(xué)基金項目。

3 研究熱點與前沿

3.1 關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)

本文以“智能礦井”“智慧礦山” “數(shù)字礦山”“礦山智能”分別為關(guān)鍵詞從中國知網(wǎng)CNKI收集數(shù)據(jù)，并做數(shù)據(jù)清洗。將樣本統(tǒng)計結(jié)果數(shù)據(jù)導(dǎo)入Citespace進(jìn)行轉(zhuǎn)換處理，將時間切片的時間范圍設(shè)置年份為1991—2020年，時間切片為1年，Node Types選擇Keyword。每個時間片選擇Top50，連線強度選擇Cosine。為避免個別結(jié)點過大，去掉“智能礦井”“智慧礦山”“數(shù)字礦山”“數(shù)字化礦山”等關(guān)鍵詞后，生成如圖3所示的以“智能礦井”等關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜。

圖3 Citespace關(guān)鍵詞共現(xiàn)圖譜Fig.3 Keywords co-occurrence map made by Citespace

圖3中每一個關(guān)鍵詞分別以節(jié)點展示，關(guān)鍵詞出現(xiàn)頻率的狀況可通過節(jié)點面積的大小呈現(xiàn)，節(jié)點越大，關(guān)鍵詞出現(xiàn)頻率越高。關(guān)鍵詞共現(xiàn)頻率狀況通過節(jié)點間連線的粗細(xì)程度表示。該知識圖譜共生成349個結(jié)點，連線為989條，親密度為0.016 3。Q值為0.534 6，S值為0.455 3。圖譜中節(jié)點表示關(guān)鍵詞，節(jié)點大小表示關(guān)鍵詞出現(xiàn)頻次，節(jié)點越大，關(guān)鍵詞出現(xiàn)頻次越高；節(jié)點之間連線反映合作關(guān)系，連線粗細(xì)反映合作關(guān)系強度，連線越粗，合作關(guān)系強度越大。借助Excel表格整理出中心度大于0的關(guān)鍵詞的綜合排名，次序為從左上到右下，綜合詞頻和中心度2個方面因素，見表1。

結(jié)合表1與圖3，除去“智能礦井”“智慧礦山”“數(shù)字礦山”“數(shù)字化礦山”等關(guān)鍵詞，通過綜合分析可知“物聯(lián)網(wǎng)”“信息化”“大數(shù)據(jù)”“三維建?！薄叭斯ぶ悄堋薄叭S可視化”“三維地質(zhì)建?！薄疤摂M現(xiàn)實”等關(guān)鍵詞的研究熱度較高。

3.2 關(guān)鍵詞聚類

3.2.1 Citespace聚類結(jié)果

利用Citespace對關(guān)鍵詞進(jìn)行聚類分析，結(jié)果如圖4所示。

表1 智能礦井熱點關(guān)鍵詞詳細(xì)分析結(jié)果Tab.1 Detailed analysis results of hot keywords in intelligent mine

圖4 Citespace聚類圖Fig.4 Cluster graph of Citespace

不同顏色的節(jié)點和連線代表不同的聚類，#開頭后面的文字為聚類名稱，這10個聚類名稱代表了智能礦井的具體熱點領(lǐng)域，將10個聚類集合中具體的關(guān)鍵詞整理，見表2。同質(zhì)性反映同一個聚類中關(guān)鍵詞的相似性，該值越大，聚類中關(guān)鍵詞的相似性越高。平均年份為同一個聚類中關(guān)鍵詞最早出現(xiàn)年份的平均值，用來判斷聚類中引用文獻(xiàn)的遠(yuǎn)近。

3.2.2 VOSviewer聚類結(jié)果

利用EndNote軟件將文獻(xiàn)格式轉(zhuǎn)換為RIS格式，type of analysis 選擇Co-occurrence，unite of analysis選擇keywords，Counting method選擇Full counting，最少出現(xiàn)次數(shù)選5，3 980個關(guān)鍵詞中有259個關(guān)鍵詞滿足閾值要求。

表2 Citespace聚類詳細(xì)情況Tab.2 Cluster details of Citespace

選取發(fā)文量超過7篇的文獻(xiàn)，并篩選掉“數(shù)字礦山”“數(shù)字化礦山”“智慧礦山”“智能化礦山”關(guān)鍵字。原因是選取的1 931篇文獻(xiàn)是以這些為名字查找的，且這樣能避免個別節(jié)點過大(圖5)。

圖5 VOSviewer關(guān)鍵詞共現(xiàn)標(biāo)簽視圖Fig.5 Keyword co-occurrence tag view made by VOSviewer

節(jié)點大小表示關(guān)鍵詞出現(xiàn)次數(shù)，名列前茅的有：“物聯(lián)網(wǎng)”“礦井”“礦山”“應(yīng)用”“三維可視化”“信息化”“煤礦”“礦山測量”“GIS”“三維建?！薄翱梢暬薄爸悄芑薄暗乩硇畔⑾到y(tǒng)”“大數(shù)據(jù)”“自動化”“單片機”“智能控制”“PLC”“人工智能”等。

圖5可以直觀地看到不同關(guān)鍵詞之間的聯(lián)系，不同的顏色表示不同的聚類，結(jié)合結(jié)果可知，聚合為10個類。

綜合Citespace和VOSviwer聚類結(jié)果分析：“神經(jīng)網(wǎng)絡(luò)”“遺傳算法”“虛擬現(xiàn)實”“模糊控制”“數(shù)據(jù)挖掘” “數(shù)據(jù)融合” “智能決策” “智能控制” “智能診斷”“CAN總線”等是 “智能礦井”的研究熱點。

3.3 突現(xiàn)詞研究

突現(xiàn)詞研究可以得出該主題的研究趨勢和熱點研究方向，本文查找到的突現(xiàn)詞如圖6所示。圖6中，第1列為關(guān)鍵詞，第2列為所有文獻(xiàn)中的最早年份，第3列為強度，第4列和第5列的年份分別表示此關(guān)鍵詞出現(xiàn)最早的年份和最晚年份 。

圖6 突現(xiàn)關(guān)鍵詞Fig.6 Highlight keywords

關(guān)鍵詞的共現(xiàn)密度視圖如圖7所示。圖7中，項目即為關(guān)鍵詞，每個點都有一個顏色，是指該點處項目的密度。一個點附近的項目數(shù)量越多，相鄰項目的權(quán)重就越高，該點的顏色就越深，反之，一個點附近的項目數(shù)量越少，相鄰項目的權(quán)重就越低，該點的顏色就越淺。

綜合分析圖6、圖7的結(jié)果得出：“物聯(lián)網(wǎng)”“可視化”“三維建模”“礦山測量”“信息化”“人工智能”“大數(shù)據(jù)”“智能化”“三維可視化”“地理信息系統(tǒng)”等是當(dāng)前研究熱詞。“礦山物聯(lián)網(wǎng)”“大數(shù)據(jù)”“云計算”“智能決策”“信息化”“人工智能”“可視化”將會成為以后持續(xù)研究的熱點和趨勢。

3.4 研究前沿

圖8表示每年的關(guān)鍵詞，圓圈為引文年輪，年輪的整體大小反映論文被引用的次數(shù)，引文年輪的顏色代表相應(yīng)的引文時間。年輪越寬，出現(xiàn)的頻次越大?？蓪?yīng)顏色與最上方顏色漸變條對應(yīng)查看。也可用最下方為每一年份查看每一年的熱詞。最早出現(xiàn)的點為這個類里的突現(xiàn)詞，弧線的終點端為此術(shù)語結(jié)束時間。從圖8中可以看出，除了“數(shù)字礦山”“智慧礦山”這些大的領(lǐng)域，“人工智能”“物聯(lián)網(wǎng)”“大數(shù)據(jù)”“可視化”“數(shù)據(jù)挖掘”“三維建?！钡确矫娴难芯繉且院蟮难芯口厔荨?/p>

4 結(jié)論

由于很多學(xué)術(shù)成果可能以其他形式呈現(xiàn)，故在CNKI上通過主題詞檢索出來的期刊，并不能完全代表智能礦井研究領(lǐng)域的所有研究成果，所以對國內(nèi)“智能礦井”的研究現(xiàn)狀分析和研究前沿預(yù)測有一定的局限性。但本文篩選的文獻(xiàn)數(shù)量較多，能在一定程度上反映一些大體的規(guī)律，故而運用科學(xué)知識圖譜對智能礦井的分析具有一定的合理性，綜合上面分析結(jié)果得到以下結(jié)論：

近30年國內(nèi)智能礦井的相關(guān)研究的高產(chǎn)機構(gòu)大多集中在礦業(yè)為特色的高?；虻V業(yè)類研究院，高產(chǎn)作者較為分散和獨立，并且高產(chǎn)作者之間交流合作大多來自于同一個機構(gòu)，即研究機構(gòu)之間合作交流欠佳，不利于學(xué)術(shù)成果的創(chuàng)新和發(fā)展。

“物聯(lián)網(wǎng)”“信息化”“大數(shù)據(jù)”“三維建?！薄叭斯ぶ悄堋薄叭S可視化”“三維地質(zhì)建?！薄吧窠?jīng)網(wǎng)絡(luò)”“遺傳算法”“虛擬現(xiàn)實”“模糊控制”“數(shù)據(jù)挖掘”“數(shù)據(jù)融合”“智能決策”“智能控制”“智能診斷”“CAN總線”“礦山物聯(lián)網(wǎng)”“云計算”等是近幾年研究的熱點，“人工智能”“物聯(lián)網(wǎng)” “大數(shù)據(jù)”“可視化”“數(shù)據(jù)挖掘”“三維建模”等方面的研究將會是以后的研究趨勢。

科學(xué)技術(shù)的不斷創(chuàng)新和發(fā)展，將會推動礦井開采和安全領(lǐng)域的發(fā)展，兩者之間的聯(lián)系將會越來越緊密，而對礦井的研究也會不斷走向無人化、智能化、數(shù)字化。