王 丹，盛 武

(安徽理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院，安徽 淮南 213000)

0 引言

煤炭能源是我國最主要的能源，承擔(dān)能源安全壓艙石作用，但煤礦開采過程中造成的資源浪費、作業(yè)強度大、效率低、安全事故頻出等問題都給當(dāng)前煤炭行業(yè)轉(zhuǎn)型升級造成巨大的沖擊[1]。煤礦開采要想實現(xiàn)安全高效，實現(xiàn)煤礦智能化是必經(jīng)之路，是煤炭行業(yè)發(fā)展、轉(zhuǎn)型的核心技術(shù)支撐[1，2]。2020年2月，國家發(fā)展改革委、國家能源局等八部委聯(lián)合印發(fā)了《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》一文中提出將先進(jìn)智能技術(shù)與現(xiàn)代煤炭開發(fā)相融合，形成智能化運行體系，推動煤礦行業(yè)發(fā)展[3]。2020年底，國家發(fā)展改革委、國家能源局啟動了第一批71處國家智能化煤礦建設(shè)示范項目[4]。目前，我國智能化煤礦建設(shè)建立了良好的體系，確定了建設(shè)路徑和穩(wěn)定高效的開采模式[5]，并在構(gòu)建智能化煤礦數(shù)字邏輯模型[6]、煤礦系統(tǒng)智能化架構(gòu)和協(xié)同機(jī)制[7]、礦井4D-GIS地理信息系統(tǒng)系統(tǒng)[8]、 智能通風(fēng)系統(tǒng)[9]、智能調(diào)度系統(tǒng)[10]、固定崗位無人值守系統(tǒng)[11]等方面取得較好的研究成果；美國、德國、澳大利亞等國家正以“智能化”為核心，探索實現(xiàn)工作面無人的智能化開采。煤礦智能化研究在國際學(xué)術(shù)界也引起很大關(guān)注，王國法、劉峰[12]等人對智能化發(fā)展進(jìn)程進(jìn)行系統(tǒng)描述，分析了煤礦智能化的理論基礎(chǔ)、關(guān)鍵技術(shù)、主題系統(tǒng)結(jié)構(gòu)和主要技術(shù)路徑，并提出了我國煤礦智能化快速掘進(jìn)的方向和技術(shù)路徑、現(xiàn)有生產(chǎn)礦井智能化改造等政策建議；葛世榮、郝尚清[13]等人介紹了采礦技術(shù)智能化的發(fā)展歷程，針對復(fù)雜條件下的智能化難題，提出精準(zhǔn)定位、煤巖識別、智能支護(hù)、自主糾偏及智能煤流感控五項智能化技術(shù)和未來需提高智能開采的自主能力和適用范圍。張慶華、姚亞虎、趙吉玉[14]指出實現(xiàn)通風(fēng)技術(shù)智能化的四大難題，進(jìn)而提出解決難題的重要方向：智能感知、決策和控制，實現(xiàn)通風(fēng)智能化和無人化。李首濱[15]提出智能化開采的主要制約因素，即裝備穩(wěn)定性、可靠性不強、技術(shù)適應(yīng)度不高和開采思想、管理模式理念不牢固等。Ma Long[16]介紹了建設(shè)智能礦山的結(jié)構(gòu)與必要性，并闡述了當(dāng)前在智能礦山建設(shè)中廣泛應(yīng)用5G通信技術(shù)，促進(jìn)智能礦山的建設(shè)；Carly Leonida[17]提出需要利用先進(jìn)的數(shù)據(jù)管理和通信基礎(chǔ)為礦業(yè)行業(yè)的數(shù)字化鋪平道路；Jane H. Hodgkinson、Marc Elmouttie[18]提出可以通過數(shù)字孿生技術(shù)增加采礦數(shù)字化和實時交互，通過對礦山同步數(shù)字孿生的潛力進(jìn)行評估發(fā)現(xiàn)，數(shù)字孿生對采礦業(yè)務(wù)中期預(yù)測的價值可能是有限的。Gary Conway[19]提出目前自動駕駛汽車、人工智能和機(jī)器學(xué)習(xí)正在結(jié)合起來，創(chuàng)造一種新的工業(yè)4.0采礦方法，改變礦業(yè)對數(shù)字通信戰(zhàn)略重要性的看法。

隨著智能技術(shù)發(fā)展水平的升級，煤礦行業(yè)實現(xiàn)了從原始的人工作業(yè)階段到機(jī)械化階段再到數(shù)字化、自動化階段，最終逐步向智能化階段邁進(jìn)。但現(xiàn)階段對于國內(nèi)外煤礦智能化的研究現(xiàn)狀和未來發(fā)展前景進(jìn)行全面、直觀、清晰的分析不多，由于科學(xué)知識圖譜可以將一個知識領(lǐng)域來龍去脈的演進(jìn)歷程集中展現(xiàn)在一幅引文網(wǎng)絡(luò)圖譜上[20]，可以快速掌握研究對象的發(fā)展進(jìn)程，因此本文利用CiteSpace軟件對煤礦智能化領(lǐng)域2007-2021年間國內(nèi)外文獻(xiàn)進(jìn)行可視化知識圖譜分析，揭示煤礦智能化領(lǐng)域研究熱點及研究趨勢，為煤礦智能化建設(shè)提供決策依據(jù)。

1 研究工具和數(shù)據(jù)來源

1.1 研究工具

本文采用CiteSpace軟件對煤礦智能化進(jìn)行多方位研究[21]。CiteSpace軟件基于Java環(huán)境開發(fā)和使用，融合共現(xiàn)分析和聚類分析，以圖譜的形式對研究作者、機(jī)構(gòu)、關(guān)鍵詞、研究熱點等方面進(jìn)行可視化分析，具有準(zhǔn)確、便捷、高效等特點[22]。

1.2 數(shù)據(jù)來源

本文以煤礦智能化領(lǐng)域相關(guān)文獻(xiàn)為研究對象，以CNKI中國知網(wǎng)和Web of Science數(shù)據(jù)庫為數(shù)據(jù)源，將文獻(xiàn)檢索時間范圍設(shè)置在2007-2021年區(qū)間，剔除與主題不符、重復(fù)、報告和通知等無效文獻(xiàn)，檢索到CNKI中國知網(wǎng)文獻(xiàn)2048篇，Web of Science文獻(xiàn)195篇，具體檢索情況見表1。

表1 數(shù)據(jù)來源及處理

2 數(shù)據(jù)結(jié)果分析

2.1 年度發(fā)文量分析

為了準(zhǔn)確了解某一研究領(lǐng)域在某一時間段內(nèi)的研究成果與發(fā)展趨勢，選擇對這一領(lǐng)域的發(fā)文量進(jìn)行統(tǒng)計與分析[23]。利用EXCEL表格繪制2007-2021年間國內(nèi)外煤礦智能化年發(fā)文量分布情況，如圖1所示。

從圖中可以看出，國內(nèi)外煤礦智能化領(lǐng)域年發(fā)文數(shù)量隨著年份的增加整體呈現(xiàn)波動上升發(fā)展態(tài)勢，表示國內(nèi)外學(xué)者對煤礦智能化的重視程度越來越高。并且近年來國內(nèi)對煤礦智能化的關(guān)注程度遠(yuǎn)遠(yuǎn)高于國外，發(fā)文數(shù)量遠(yuǎn)遠(yuǎn)超過外文文獻(xiàn)。國內(nèi)對煤礦智能化的研究大致可以分為3個階段：2007-2013年為起步探索階段，國內(nèi)對煤礦智能化意識不強，且在2007-2008年出現(xiàn)輕微下降趨勢，發(fā)文量整體處于緩慢波動增長狀態(tài)，由2007年的年發(fā)文量18篇增長為2013年的年發(fā)文量66篇；2013-2017年為該領(lǐng)域的探索波動期，人們逐步踏入煤礦智能化時代，推動煤礦轉(zhuǎn)型，用智能化機(jī)器、智能化技術(shù)代替?zhèn)鹘y(tǒng)的人工作業(yè)方式，整個階段發(fā)文量相對平穩(wěn)，在2015年、2017年出現(xiàn)下降趨勢，但總體處于平穩(wěn)發(fā)展?fàn)顟B(tài)；2017年以來，隨著人工智能、自動化、大數(shù)據(jù)等技術(shù)逐漸成熟，煤礦智能化開始快速發(fā)展，年均增長量超過70篇，在2020年達(dá)到最高，高出2019年近200篇，并在2021年達(dá)到最高，為523篇，這表明我國對煤礦智能化的研究越來越深入，智能化技術(shù)對我國煤礦事業(yè)的發(fā)展至關(guān)重要。與中文文獻(xiàn)相比，外文文獻(xiàn)發(fā)文量少于國內(nèi)，在2007-2016年間發(fā)文量均較少，平均發(fā)文量保持在10篇以內(nèi)，2016年之后開始呈現(xiàn)緩慢上升趨勢，這一階段正是大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等新技術(shù)被廣泛應(yīng)用于管理領(lǐng)域的關(guān)鍵時期，體現(xiàn)出隨著先進(jìn)智能技術(shù)的發(fā)展，將新興智能技術(shù)應(yīng)用于煤礦開采過程，促進(jìn)煤礦行業(yè)智能化發(fā)展逐步引起了國際上的重視。

圖1 國內(nèi)外煤礦智能化年度發(fā)文量分布圖

2.2 發(fā)文作者分析

通過對發(fā)文作者的分析，可以了解某領(lǐng)域的作者群體及其合作情況，較為精準(zhǔn)的提煉出科學(xué)研究主體[24]。在CiteSpace軟件中選取“Author”，時間跨度定為“2007-2021年”，時間切片選擇“1”，并選中“Pathfinder”選項，點擊“Go”運行得到CNKI中國知網(wǎng)和Web of Science發(fā)文作者共現(xiàn)圖譜，如圖2、圖3所示。

圖2 CNKI中國知網(wǎng)煤礦智能化領(lǐng)域發(fā)文作者共現(xiàn)圖譜

圖3 Web of Science煤礦智能化領(lǐng)域發(fā)文作者共現(xiàn)圖譜

圖2中節(jié)點數(shù)(Nodes)=478，連線(Links)=313、密度(Density)=0.0027，圖3中節(jié)點數(shù)(Nodes)=326，連線(Links)=814、密度(Density)=0.0154，這表明國內(nèi)外煤礦智能化領(lǐng)域樣本中的研究學(xué)者基數(shù)較大，且國外作者間的連線與密度均大于國內(nèi)，體現(xiàn)外文文獻(xiàn)中作者間的合作關(guān)系強于中文文獻(xiàn)。但由于國內(nèi)外該領(lǐng)域作者合作密度均較低，所以國內(nèi)外作者總體在煤礦智能化領(lǐng)域雖形成了一定的合作研究團(tuán)體，但規(guī)模不大，可以加深作者間的合作，使其在煤礦智能化領(lǐng)域的研究更加深入。

節(jié)點大小與發(fā)文量成正比，選取CNKI中國知網(wǎng)樣本中發(fā)文量前十的作者，見表2。

表2 煤礦智能化領(lǐng)域CNKI中國知網(wǎng)發(fā)文前十的作者名單

續(xù)表

國內(nèi)發(fā)文量最多的作者是中國工程院王國法，發(fā)文量為23篇；其次是來自中煤科工開采研究院有限公司的任懷偉，發(fā)文量為14篇；其二人均在2018年首次發(fā)表煤礦智能化領(lǐng)域文章。天地科技股份有限公司的龐義輝，中國礦業(yè)大學(xué)(北京)的劉峰發(fā)文量均為10篇，國家能源集團(tuán)煤炭運輸部的丁震發(fā)文量為9篇，中煤科工開采研究院有限公司的趙國瑞發(fā)文量為8篇，中國礦業(yè)大學(xué)(北京)的葛世榮、陜西延長石油礦業(yè)有限責(zé)任公司的范京道、西安科技大學(xué)的曹現(xiàn)剛和中國神華神東煤炭分公司的王飛發(fā)文量均為7篇。由此可知，排名前十的學(xué)者發(fā)文量相對可觀，但和檢索的2007-2021年的1761篇文獻(xiàn)相比還是較少，研究學(xué)者分布較廣。從發(fā)文作者所在機(jī)構(gòu)可以分析出，目前我國煤礦智能化領(lǐng)域研究主要分布在高校和研究院，存在明顯的分布不均衡現(xiàn)象。通過在CNKI中國知網(wǎng)檢索發(fā)現(xiàn)，王國法院士在2019年8月15日發(fā)表的《煤礦智能化(初級階段)研究與實踐》下載量及引用量高達(dá)5549次和310次，這說明王國法等人在煤礦智能化領(lǐng)域的研究成果參考價值很高，且2019年成為我國煤礦智能化領(lǐng)域研究的關(guān)鍵時間點。根據(jù)圖3可知，Web of Science中發(fā)文量較多的作者有 Wang Guofa(18篇)、Yuan Liang(12篇)、Wu YQ(5篇)，發(fā)文量總體較少，且發(fā)文量較多的均是中國學(xué)者，體現(xiàn)了我國學(xué)者對煤礦智能化的研究在國際上提供了較高的學(xué)術(shù)參考價值。

2.3 研究機(jī)構(gòu)分析

對某領(lǐng)域研究機(jī)構(gòu)分布及合作關(guān)系進(jìn)行分析，可以得出該領(lǐng)域的核心機(jī)構(gòu)分布情況。在CiteSpace軟件中選擇“Institution”，時間跨度、時間切片等變量選取與發(fā)文作者一致。得到2007-2021年CNKI中國知網(wǎng)和Web of Science發(fā)文機(jī)構(gòu)共現(xiàn)圖譜，如圖4、圖5所示。從圖4中可以看出，CNKI中國知網(wǎng)中共有417個(Nodes=417)研究機(jī)構(gòu)參與煤礦智能化領(lǐng)域研究，其中發(fā)文量最多的是天地(常州)自動化股份有限公司，為35篇；位居第二的是中煤科工集團(tuán)常州研究院有限公司，發(fā)文量為25篇；中煤科工集團(tuán)重慶研究院有限公司發(fā)文量為22篇，位居第三。其他發(fā)文較多的機(jī)構(gòu)有煤炭科學(xué)研究總院開采研究分院、天地科技股份有限公司開采設(shè)計事業(yè)部、煤炭科學(xué)研究總院及中國礦業(yè)大學(xué)信息與電氣工程學(xué)院等，從研究機(jī)構(gòu)的分布可以看出，國內(nèi)研究院、高校和企業(yè)越來越關(guān)注對煤礦智能化領(lǐng)域的研究。圖5中Web of Science中共有153個(Nodes=153)研究機(jī)構(gòu)參與研究，其中發(fā)文量最多的是China Univ Min & Technol，為43篇；位居第二的是Xian Univ Sci & Technol，發(fā)文量為15篇；China Univ Min & Technol Beijing發(fā)文量為13篇，位居第三。Anhui Univ Sci & Technol、Shandong Univ Sci & Techno、Liaoning Tech Univl及Henan Polytech Univ發(fā)文量也較多。從中發(fā)現(xiàn)位居第一的是中國機(jī)構(gòu)，且發(fā)文量較多的機(jī)構(gòu)主要來自中國，說明我國眾多機(jī)構(gòu)高度重視對煤礦智能化領(lǐng)域的研究，且引起了國際上的高度關(guān)注。同時，圖4中各機(jī)構(gòu)間的連線有174條(Links=174)，密度為0.002(Density=0.002)；圖5中各機(jī)構(gòu)間的連線有163條(Links=163)，密度為0.014(Density=0.004)，說明國內(nèi)外該領(lǐng)域研究機(jī)構(gòu)較為分散，雖存在一定的合作關(guān)系，但團(tuán)隊規(guī)模有限?？梢约由顧C(jī)構(gòu)間合作交流頻率，推動煤礦工業(yè)智能化改革進(jìn)程。

圖4 CNKI中國知網(wǎng)煤礦智能化領(lǐng)域研究機(jī)構(gòu)分布及合作情況共現(xiàn)圖譜

2.4 研究熱點分析

2.4.1 關(guān)鍵詞共現(xiàn)圖譜分析

研究某一領(lǐng)域的研究熱點就是研究分析此領(lǐng)域中心度和頻次高的關(guān)鍵詞，即在一段時間內(nèi)研究者共同關(guān)注的問題[25]。本文利用CiteSpace軟件選取“Keyword”節(jié)點類型，對煤礦智能化領(lǐng)域進(jìn)行熱點主題分析。時間跨度、時間切片等變量不變，運行得到CNKI中國知網(wǎng)和Web of Science關(guān)鍵詞共現(xiàn)圖譜分析(圖6、圖7)。

圖6 CNKI中國知網(wǎng)煤礦智能化領(lǐng)域關(guān)鍵詞共現(xiàn)圖譜

圖7 Web of Science煤礦智能化領(lǐng)域關(guān)鍵詞共現(xiàn)圖譜

其中，在關(guān)鍵詞共現(xiàn)圖譜中，節(jié)點越大，表示關(guān)鍵詞出現(xiàn)的次數(shù)越多。同時，生成表3對CNKI和Web of Science中高頻關(guān)鍵詞進(jìn)行分析。

表3 國內(nèi)外煤礦智能化領(lǐng)域高頻關(guān)鍵詞

從圖6、表3中可以看出，目前國內(nèi)煤礦智能化研究領(lǐng)域研究熱點主要分布在“智慧礦山”、“煤礦”、“智能化”、“物聯(lián)網(wǎng)”、“智能礦山”等方面；說明“智慧礦山”、“智能礦山”等的建設(shè)和物聯(lián)網(wǎng)、智能控制、大數(shù)據(jù)、人工智能等先進(jìn)智能技術(shù)融合進(jìn)當(dāng)前煤礦開采環(huán)境是煤礦智能化未來的發(fā)展前景。由圖7、表3可知，目前國外煤礦智能化研究主要重視對“coal mine(煤礦)” 、“system(系統(tǒng))”、“coal mining(煤礦開采)”、“model(模型)”、“algorithm(算法)”等方面進(jìn)行分析。對比圖6、圖7和表2中的高頻關(guān)鍵詞可知，目前國內(nèi)外對煤礦智能化的研究側(cè)重點不同，國內(nèi)主要研究智能化技術(shù)如何更好的融入當(dāng)前煤礦大環(huán)境，當(dāng)前階段更多的研究體現(xiàn)在理論層面；國外主要對煤礦智能化技術(shù)進(jìn)行深入研究與探索，較重視實踐層面。

2.4.2 關(guān)鍵詞共現(xiàn)圖譜的聚類分析

聚類分析是深入剖析研究熱點的有效方式，可以更好的判斷國內(nèi)外煤礦智能化的研究熱點領(lǐng)域[26]。本文采用CiteSpace軟件中關(guān)鍵詞聚類分析法生成聚類分析圖譜(如圖8、圖9所示)，列出不同聚類模塊的聚類規(guī)模，對煤礦智能化領(lǐng)域的研究熱點進(jìn)行探索。通過聚類分析得到兩個重要指標(biāo)：Q值(聚類模塊值)和S值(平均輪廓值)，Q值范圍一般在0～1之間，一般認(rèn)為Q>0.3則表示聚類結(jié)構(gòu)效果顯著；S>0.5時，一般認(rèn)為聚類合理，若S>0.7，則意味著聚類效果高[27]。

圖8中，Q=0.6643，S=0.8613，說明CNKI中國知網(wǎng)煤礦智能化領(lǐng)域關(guān)鍵詞聚類結(jié)構(gòu)效果顯著且聚類效果高效。圖8中選取的前10個關(guān)鍵詞分別為：智能礦山、煤礦、管理創(chuàng)新、智能化、智能、創(chuàng)新、工作面、應(yīng)用、煤礦安全和Plc。這10個關(guān)鍵詞詮釋了國內(nèi)煤礦智能化領(lǐng)域的研究主要基于煤礦、智能、創(chuàng)新等方面開展，推動煤礦行業(yè)改革。

圖8 CNKI中國知網(wǎng)煤礦智能化領(lǐng)域關(guān)鍵詞聚類圖譜

圖9中，Q=0.8379，S=0.9402，意味著Web of Science中對煤礦智能化研究熱點聚類結(jié)構(gòu)明顯且聚類高效。從圖9的標(biāo)簽可以看出選取的前十個關(guān)鍵詞分別是：feature extraction(特征提取)、emergency rescue(應(yīng)急救援)、risk assessment(風(fēng)險評估)、analytic hierarchy process(層次分析法)、disaster warning(災(zāi)害預(yù)警)、unconfined compressive strength(無側(cè)限抗壓強度)、cloud computing(云計算)、coal mining(煤礦開采)、nox(氮氧化物)和ground well(地面井)。據(jù)此可知與國內(nèi)相比，國外更側(cè)重于實踐探究，應(yīng)用智能化技術(shù)推動煤礦轉(zhuǎn)型。

圖9 Web of Science煤礦智能化領(lǐng)域關(guān)鍵詞聚類圖譜

3 研究發(fā)展趨勢分析

3.1 時區(qū)圖研究

識別煤礦智能化領(lǐng)域關(guān)鍵詞的演變趨勢有助于了解此領(lǐng)域研究熱點的演進(jìn)情況[28]。在CiteSpace軟件中選取“Keyword”，在可視化面板中的Control Panel操作面板中選擇“Layout”，并將Visualizations選項中調(diào)整為“Timezone View”，運行得到CNKI中國知網(wǎng)和Web of Science關(guān)鍵詞時區(qū)圖聚類圖譜(如圖10、圖11所示)，深層次分析煤礦智能化領(lǐng)域的發(fā)展歷程。

圖10中，結(jié)合時代大環(huán)境背景，可以將煤礦智能化領(lǐng)域的演變歷程大致劃分為3個階段。2007-2011年為第一階段，學(xué)者在此階段主要集中于對“煤礦”、“智能”、“智能化”、“智慧礦山”、“物聯(lián)網(wǎng)”“煤礦開采”等關(guān)鍵詞的研究，對煤礦智能化的理論研究和研究方向逐漸形成和完善；第二階段是2012-2016年，學(xué)者在此階段的研究熱點較第一階段有減少，研究細(xì)化程度提高，研究熱點大多聚集在“數(shù)字礦山”、“人工智能”、“信息化”“云計算”等方面，將煤礦智能化的研究與技術(shù)建立緊密聯(lián)系；2017年以來，是煤礦智能化領(lǐng)域研究的上升爆發(fā)期，隨著近年來科學(xué)技術(shù)的迅速發(fā)展，“智慧煤礦”、“智能煤礦”、“開采技術(shù)”、“智能管控”等成為煤礦智能化領(lǐng)域研究的熱點關(guān)鍵詞，煤礦行業(yè)逐步進(jìn)入數(shù)字化、信息化、自動化、智能化的時代，不斷創(chuàng)新改革推進(jìn)煤礦行業(yè)發(fā)展。

由圖11可知，2009-2012年期間，主要集中于對“neural network(神經(jīng)網(wǎng)絡(luò))”、“prediction(預(yù)測)”、“coal mining(煤礦開采)”、“expert system(專家系統(tǒng))”等研究方向的探索；2013-2018年期間，國外對煤礦智能化的關(guān)注度特別高，此階段內(nèi)涌現(xiàn)了眾多熱點關(guān)鍵詞，如“model(模式)”、“coal mine(煤礦)”、“machine learning(機(jī)器學(xué)習(xí))”、“system(系統(tǒng))”等，表明國外對此領(lǐng)域的研究內(nèi)涵更為豐富，角度更為擴(kuò)展；2019年以來，研究熱點逐漸減少，主要對“intelligent mining(智能采礦)”、“identification(識別)”、“deep learning(深度學(xué)習(xí))”等進(jìn)行鉆研，意味著國外對煤礦智能化領(lǐng)域的研究進(jìn)入智能技術(shù)應(yīng)用研究階段。

圖10 CNKI中國知網(wǎng)煤礦智能化領(lǐng)域關(guān)鍵詞時區(qū)圖圖譜

圖11 Web of Science煤礦智能化領(lǐng)域關(guān)鍵詞時區(qū)圖圖譜

3.2 突現(xiàn)詞研究

為了更清晰了解煤礦智能化領(lǐng)域的新興研究熱潮，可通過CiteSpace軟件對關(guān)鍵詞圖譜進(jìn)行突現(xiàn)詞探測，衡量前沿性研究價值[29]。基于關(guān)鍵詞圖譜，在Selection Criteria中選擇“Top N”，點擊“Go”運行。在Burstness中點擊“Refresh”，調(diào)整相關(guān)指數(shù)，點擊“View”，得到關(guān)鍵詞突現(xiàn)圖譜，如圖12、圖13所示。

圖12 CNKI中國知網(wǎng)煤礦智能化領(lǐng)域關(guān)鍵詞突現(xiàn)圖譜

圖13 Web of Science煤礦智能化領(lǐng)域關(guān)鍵詞突現(xiàn)圖譜

從突現(xiàn)強度分析，CNKI中國知網(wǎng)檢索文獻(xiàn)中“智慧礦山”、“智能化”突現(xiàn)強度較高，高達(dá)16.42和16.4，這表明在2019-2021年期間，國內(nèi)學(xué)者在對煤礦智能化研究中，對“智慧礦山”、“智能化”等方式關(guān)注熱度較高，實現(xiàn)煤礦智能化最好的方式是建設(shè)“智慧礦山”。Web of Science中突現(xiàn)強度最高的是“regression(回歸)”，但僅有1.78，且研究熱度僅持續(xù)一年，說明國外學(xué)者在研究過程中發(fā)現(xiàn)其并不是未來發(fā)展熱點。根據(jù)突現(xiàn)時間分析，國內(nèi)研究中，雖然“智慧礦山”、“智能化”、“大數(shù)據(jù)”、“關(guān)鍵技術(shù)”、“智能開采”、“智慧煤礦”、“智能煤礦”、“無人駕駛”、“智能裝備”、“管理創(chuàng)新”、“采煤機(jī)”等關(guān)鍵詞出現(xiàn)時間較晚，均于2019年出現(xiàn)，但研究熱度一直高漲，且是現(xiàn)階段和未來煤礦行業(yè)發(fā)展的重點。國外研究中，“neural network(神經(jīng)網(wǎng)絡(luò))”、“l(fā)ongwall mining(長壁采煤法)”等詞突現(xiàn)時間持續(xù)較長，但在近幾年，沒有再深入研究，說明國外近些年對煤礦智能化的研究方向有所轉(zhuǎn)移。近些年，國外對煤礦智能化領(lǐng)域的研究熱點主要集中在“seam(煤層)”、“behavior(行為)”、“classification(分類)”、“channel wave(巷道變形)”等方面。

對比分析國內(nèi)外突現(xiàn)詞發(fā)現(xiàn)其對煤礦智能化領(lǐng)域研究熱點各有側(cè)重，但總體都是以煤礦行業(yè)當(dāng)前環(huán)境背景與先進(jìn)技術(shù)相融合為目標(biāo)，增進(jìn)煤礦行業(yè)走向智能化進(jìn)程。

4 結(jié)論

(1) 中外文獻(xiàn)在發(fā)文量方面整體趨勢一致，呈現(xiàn)波動上升態(tài)勢，且中文文獻(xiàn)發(fā)文量多于外文文獻(xiàn)，國內(nèi)增長趨勢優(yōu)于國外，體現(xiàn)國內(nèi)外在煤礦智能化領(lǐng)域重視程度不斷提高。

(2) 國內(nèi)外作者、機(jī)構(gòu)間在該領(lǐng)域的研究形成一定的研究群體，但群體間合作不多，合作關(guān)系較為松散，團(tuán)隊規(guī)模較小。國內(nèi)合作主要集中在科研企業(yè)、科研院所、高校之間，與外界合作不多，外文文獻(xiàn)作者、研究機(jī)構(gòu)主要來自于中國，體現(xiàn)我國學(xué)者對煤礦智能化領(lǐng)域的研究做出了巨大的貢獻(xiàn)，對于煤礦智能化領(lǐng)域的研究在國際上學(xué)術(shù)參考價值較高。

(3) 在研究熱點方面，對中外文獻(xiàn)進(jìn)行分析，得出國內(nèi)外學(xué)術(shù)研究關(guān)注的重心有所不同。國內(nèi)更注重技術(shù)與環(huán)境的融合，從理論出發(fā)，國外則更偏向?qū)嵺`角度，對技術(shù)的研究占比較高。國內(nèi)主要側(cè)重研究將物聯(lián)網(wǎng)、大數(shù)據(jù)、智能控制、人工智能、智能裝備等新興智能技術(shù)與煤礦開采技術(shù)相融合，國外主要側(cè)重于遠(yuǎn)程控制、無人監(jiān)測、系統(tǒng)性等相關(guān)智能化技術(shù)的研究，促進(jìn)煤礦智能化發(fā)展。但整體來說，國內(nèi)外研究大方向基本一致，均旨在實現(xiàn)煤礦行業(yè)轉(zhuǎn)型，使智能化技術(shù)在煤礦行業(yè)的應(yīng)用不斷加深。

(4) 對于煤礦智能化領(lǐng)域研究重點和研究方向上，國內(nèi)外雖然側(cè)重點有所不同，國內(nèi)前期更多注重“智慧礦山”、“智能化”的理論研究，對大數(shù)據(jù)、智能開采、智能裝備等先進(jìn)智能化技術(shù)的的研究出現(xiàn)較晚，但這是未來研究趨勢；國外近些年則一直重視對先進(jìn)智能化技術(shù)的探索，推動煤礦智能化轉(zhuǎn)型。

(5) 當(dāng)前，數(shù)字化、信息化、自動化、智能化發(fā)展日益加快，煤礦智能化開采成為煤炭工業(yè)技術(shù)革命和升級發(fā)展的必然選擇。在數(shù)字經(jīng)濟(jì)背景下，煤礦智能化研究需要多角度、多學(xué)科探索，進(jìn)行知識的再整合，進(jìn)而構(gòu)建新的煤礦智能化管理體系。該領(lǐng)域各方研究者和研究機(jī)構(gòu)應(yīng)加強合作交流，擴(kuò)大團(tuán)隊合作規(guī)模，構(gòu)建成熟的合作關(guān)系網(wǎng)絡(luò)，共同推動煤礦智能化研究的發(fā)展。