田曉紅， 何新衛(wèi)

(1.陜西能源職業(yè)技術(shù)學(xué)院， 煤炭與化工產(chǎn)業(yè)學(xué)院， 陜西， 咸陽 712000； 2.西安愛生技術(shù)集團(tuán)公司， 陜西， 西安 710065)

0 引言

在我國甚至世界范圍中，煤炭等礦藏都是至關(guān)重要的礦物質(zhì)資源，在國家發(fā)展經(jīng)濟(jì)的過程中發(fā)揮著重要的促進(jìn)作用[1]。但是煤礦深埋地底，在挖掘開采過程中會遇到各種阻力，而且也存在復(fù)雜的安全隱患。煤礦挖掘的大部分生產(chǎn)工作都存在潛在安全風(fēng)險，一旦危險爆發(fā)，會造成極大經(jīng)濟(jì)損失，煤礦行業(yè)本身就是安全隱患較高的行業(yè)，許多影響因素都會干擾煤礦工程的安全生產(chǎn)[2-4]。影響煤礦企業(yè)安全生產(chǎn)的因素包括設(shè)備、環(huán)境、人員、管理等。設(shè)備因素指煤礦企業(yè)沒有依照國家標(biāo)準(zhǔn)購買規(guī)定的設(shè)備，同時沒有定期維護(hù)，設(shè)備無法正常運(yùn)行，設(shè)備空間無法滿足正常作業(yè)；環(huán)境因素指煤礦礦井周邊環(huán)境，包含巖石層、粉塵、地質(zhì)條件隱患等；人員因素指工作人員不安全操作行為，或者不符合規(guī)范進(jìn)行工作，例如酒后、帶病工作等，也存在無證上崗、未經(jīng)培訓(xùn)等情況；管理因素主要指職工教育培訓(xùn)不足、制度不合理等[5-7]。

大數(shù)據(jù)主要指有限時間范圍中使用常規(guī)軟件捕捉、處理、管理數(shù)據(jù)集合，使用新處理模式實(shí)現(xiàn)更強(qiáng)大的洞察發(fā)現(xiàn)力、更強(qiáng)的決策力、高效流程優(yōu)化能力等情況下多樣化、海量、高增長率的信息資產(chǎn)。近年來，大數(shù)據(jù)與云計(jì)算技術(shù)緊密結(jié)合，發(fā)揮重要影響力。移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)等新興計(jì)算形態(tài)助力大數(shù)據(jù)革命，讓大數(shù)據(jù)發(fā)揮更大的影響力[8]。聚類分析是把抽象對象或者物理內(nèi)容集合分組成的根據(jù)類似對象組合而成的數(shù)個分類分析過程。大數(shù)據(jù)聚類是人類一種重要行為，其目標(biāo)就是在相似的基礎(chǔ)上對大數(shù)據(jù)分類[9]。聚類從多個領(lǐng)域發(fā)展而來，來源包含計(jì)算機(jī)科學(xué)、數(shù)學(xué)、生物學(xué)、統(tǒng)計(jì)學(xué)和經(jīng)濟(jì)學(xué)。在不同的應(yīng)用領(lǐng)域均飛速發(fā)展大數(shù)據(jù)聚類技術(shù)，使用聚類描述大數(shù)據(jù)，對不同數(shù)據(jù)之間的相似性實(shí)行衡量，把數(shù)據(jù)源分類到不同的簇中，實(shí)現(xiàn)大數(shù)據(jù)的歸類分析。

對于煤礦安全風(fēng)險評估與預(yù)警，有學(xué)者[10]提出煤礦安全隱患風(fēng)險評價研究方法，綜合評價研究區(qū)域的隱患風(fēng)險，計(jì)算得出綜合隱患風(fēng)險值，與區(qū)域?qū)嶋H情況設(shè)定預(yù)警等級，評估煤礦隱患和風(fēng)險趨勢，但該方法在數(shù)據(jù)運(yùn)算時間上存在一定欠缺，不能實(shí)現(xiàn)良好的效率；還有學(xué)者[11]提出基于AHP和模糊數(shù)學(xué)的區(qū)域煤礦安全風(fēng)險評價方法，該方法通過層次分析法評價煤礦區(qū)域安全情況，但是在預(yù)警方面的工作不夠完善，還需要進(jìn)一步改善。

本文將大數(shù)據(jù)技術(shù)作為基礎(chǔ)，利用聚類算法獲得指標(biāo)體系，研究煤礦安全風(fēng)險智能評價和預(yù)警。

1 基于大數(shù)據(jù)煤礦安全風(fēng)險智能評價和預(yù)警方法

1.1 大數(shù)據(jù)高效聚類方法

在評價和預(yù)警煤礦安全風(fēng)險之前，本文使用大數(shù)據(jù)聚類方法確定評價指標(biāo)。運(yùn)用離散型時間序列分析方法建立多維離散數(shù)據(jù)信息流模型，提取多維離散數(shù)據(jù)信息流時延尺度特征值，將這些時延尺度特征值作為多維離散數(shù)據(jù)目標(biāo)函數(shù)，同時對該目標(biāo)函數(shù)求解，獲得最優(yōu)聚類中心[12]，具體流程如下。

使用并統(tǒng)計(jì)大數(shù)據(jù)流的早期階段，建立多維離散數(shù)據(jù)變量時間序列{xn}，N表示該時間序列的樣本長度。樣本數(shù)據(jù)流分類特征屬性設(shè)定為X和Y，為實(shí)現(xiàn)數(shù)據(jù)映射處理，樣本數(shù)據(jù)使用空間重構(gòu)分析方法實(shí)行分析，選取最優(yōu)延遲和最小漸入維數(shù)τ和m，假如數(shù)據(jù)特征平均速度得到滿足，使用式(1)表示多維離散數(shù)據(jù)信息流模型：

xn=x(t0+nΔt)=h[z(t0+nΔt)]+wn

(1)

式中，t0、z與wn分別表示聚類中心檢索、時延尺度特征和時延尺度，h代表多維離散數(shù)據(jù)時間序列各單獨(dú)樣本相似特征向量。

數(shù)據(jù)離散性時間序列特征通過計(jì)算多維數(shù)據(jù)關(guān)聯(lián)度表示，數(shù)據(jù)離散性時間序列特征分布軌跡通過重構(gòu)相空間獲得：

X=[x(t0),x(t0+Δt),…,x(t0+(K-1)Δt)]

(2)

式中，x(t0)與J分別表示樣本采集時間和多維數(shù)據(jù)相關(guān)系數(shù)，m與Δt分別表示嵌入維數(shù)和抽樣時間間隔，K=N-(m-1)J代表大數(shù)據(jù)時間序列分類最大屬性。多維離散數(shù)據(jù)特征時間序列向量模型通過數(shù)據(jù)投射法獲得：

{x(t0+iΔt)},i=0,1,2,…,N-1

(3)

使用式(4)表示特征空間多維離散數(shù)據(jù)矢量：

X=(xn,xn-τ,…,xn-(m-1)τ)

(4)

式中，τ代表多維離散數(shù)據(jù)時間延遲。

時延尺度輸入特征是上文中構(gòu)建的大數(shù)據(jù)流，建立對應(yīng)數(shù)據(jù)目標(biāo)函數(shù)時依據(jù)特征值屬性，式(5)表示大數(shù)據(jù)屬性集的分布模型：

(5)

式中，ai與bi分別表示數(shù)據(jù)采樣幅值和大數(shù)據(jù)最優(yōu)分類屬性；a0和xn-1分別表示初始數(shù)據(jù)采樣幅值和具有相同數(shù)量時間序列，搜索時使用模糊C均值聚類算法，由此得出有限數(shù)據(jù)集向量：

X={x1,x2,…,xn}∈R

(6)

式中，R表示大數(shù)據(jù)屬性集的隨機(jī)變量。

經(jīng)屬性集分類，獲得多維離散數(shù)據(jù)流數(shù)據(jù)樣本數(shù)量n。使用式(7)表示樣本xi(i=1,2,…n)的多維離散數(shù)據(jù)信息增益矢量：

xi=(xi1,xi2,…,xin)T

(7)

在數(shù)據(jù)集內(nèi)選取k個實(shí)例，獲得多維離散數(shù)據(jù)目標(biāo)函數(shù)最優(yōu)聚類中心：

(8)

式中，μik表示聚類中心非劣解，c表示常數(shù)，dik與djk均表示樣本大數(shù)。

1.2 煤礦安全風(fēng)險智能評價和預(yù)警

1.2.1 煤礦安全風(fēng)險指標(biāo)體系

根據(jù)上文大數(shù)據(jù)聚類后的計(jì)算結(jié)果，結(jié)合分析并判斷煤礦危險源，根據(jù)專家評價和相關(guān)參考文獻(xiàn)，遵循可操作性、完整性、科學(xué)性等原則，從5個方面分析煤礦安全風(fēng)險影響因素，建立風(fēng)險預(yù)警指標(biāo)體系，詳見圖1。本文指標(biāo)體系中，第一層為目標(biāo)層，第二層為一級指標(biāo)，包含人員因素、設(shè)備因素、環(huán)境因素、管理因素、信息因素等5個因素。各因素下又劃分出18個二級指標(biāo)，針對這些指標(biāo)體系，開展以下分析。

圖1 煤礦安全風(fēng)險智能評價指標(biāo)體系

1.2.2 煤礦安全風(fēng)險可拓模型

通過可拓論，建立煤礦安全風(fēng)險智能評價和預(yù)警的節(jié)域矩陣、典域矩陣、待評物元矩陣；基于此，計(jì)算并分析煤礦安全風(fēng)險可拓模型關(guān)聯(lián)函數(shù)值和關(guān)聯(lián)度，以此評定煤礦安全風(fēng)險等級[13]。根據(jù)行業(yè)標(biāo)準(zhǔn)和相關(guān)規(guī)章制度煤礦安全風(fēng)險等級分為5個等級，分別為1級(輕度預(yù)警、極弱)、2級(低度預(yù)警、弱)、3級(中度預(yù)警、一般)、4級(重度預(yù)警、高)、5級(巨度預(yù)警、極高)。

(1) 預(yù)警指標(biāo)物元確定。假設(shè)將煤礦安全風(fēng)險預(yù)警等級和安全風(fēng)險預(yù)警指標(biāo)分別設(shè)定為m個和n個，使用式(9)表示經(jīng)典域：

(9)

式中，Nj(j=1,2,…,m)和Nj(j=1,2,…,n)分別表示風(fēng)險等級和預(yù)警指標(biāo)，vjn代表第n個預(yù)警指標(biāo)在第j個等級內(nèi)的量值區(qū)間，ajn代表預(yù)警指標(biāo)量值和風(fēng)險等級區(qū)間最小值，bjn代表預(yù)警指標(biāo)量值和風(fēng)險等級區(qū)間最大值[14]。

設(shè)p為風(fēng)險等級，使用式(10)表示節(jié)域：

(10)

式中，p與Np分別表示全體風(fēng)險等級和風(fēng)險等級的預(yù)警對象；vpn代表p有關(guān)預(yù)警指標(biāo)特征cn的取值范圍，同時也表示節(jié)域。

設(shè)P表示預(yù)警對象，則有式(11)表示建立的待評價物元：

(11)

式中，vn為cn的實(shí)際量化指標(biāo)值。

(2) 預(yù)警指標(biāo)關(guān)聯(lián)度計(jì)算。使用式(11)表示預(yù)警指標(biāo)關(guān)聯(lián)函數(shù)：

(12)

式中，ρ(vi,vji)與ρ(vi,vpi)分別表示有限區(qū)間vji到點(diǎn)vi的距離和有限區(qū)間vpi到點(diǎn)vi的距離，vji與vpi分別表示經(jīng)典域和節(jié)域的量值區(qū)間，vi表示待評物元的量化指標(biāo)值。使用式(13)定義風(fēng)險等級j和預(yù)警指標(biāo)i的關(guān)聯(lián)函數(shù)kj(vi)：

(13)

(3)指標(biāo)權(quán)重計(jì)算。權(quán)重計(jì)算運(yùn)用熵權(quán)法，設(shè)kj(vi)與rji相等，建立矩陣：

R=(rji)m*n,(j=1,2,…,m;i=1,2,…,n)

(14)

使用式(15)定義預(yù)警指標(biāo)熵Hi：

(15)

通過式(16)定義預(yù)警指標(biāo)權(quán)重：

(16)

(4)綜合關(guān)聯(lián)度和風(fēng)險等級的確定。利用式(17)定義等級j和預(yù)警對象p的綜合關(guān)聯(lián)度Kj(p)：

(17)

每兩個事物間的關(guān)聯(lián)程度使用關(guān)聯(lián)度表征，相關(guān)性的優(yōu)劣由關(guān)聯(lián)度值決定，值越接近于1說明相關(guān)性越好[15]，根據(jù)關(guān)聯(lián)度最大原則判斷預(yù)警對象的風(fēng)險等級：

Kj0(p)=maxKj(p)

(18)

2 實(shí)驗(yàn)結(jié)果與分析

以某市煤礦工程作為研究對象用于驗(yàn)證本文方法性能，該工程總投資16億元，礦井產(chǎn)量每年190萬噸，于2015年6月開挖井筒。煤層埋藏較淺，傾角呈現(xiàn)平緩狀態(tài)，主要包含中厚煤層，局部為厚煤層，總體煤層結(jié)構(gòu)簡單，存儲量穩(wěn)定，地質(zhì)結(jié)構(gòu)和水文結(jié)構(gòu)均屬中等復(fù)雜，使用本文方法智能評價并預(yù)警該區(qū)域煤礦安全風(fēng)險。為獲得參照結(jié)果，邀請部分專家使用問卷調(diào)查法對相關(guān)指標(biāo)實(shí)行評價，得出真實(shí)評價結(jié)果。為使結(jié)果具有對比性，同時使用煤礦安全隱患風(fēng)險評價研究方法[10](下文簡稱對比方法1)和基于AHP和模糊數(shù)學(xué)的區(qū)域煤礦安全風(fēng)險評價方法[11](下文簡稱對比方法2)，評價研究區(qū)域的煤礦安全風(fēng)險。

2.1 數(shù)據(jù)聚類實(shí)驗(yàn)結(jié)果

分析3種方法在海量煤礦安全信息下，數(shù)據(jù)聚類計(jì)算所耗費(fèi)之間，統(tǒng)計(jì)結(jié)果見圖2。從圖2能夠看出，隨著數(shù)據(jù)節(jié)點(diǎn)的增加3種方法的計(jì)算時間均有不同程度上升，2種對比方法的上升速度較快，當(dāng)數(shù)據(jù)節(jié)點(diǎn)個數(shù)達(dá)到1 100個時，2種對比方法的計(jì)算時間分別達(dá)到5 min和6 min，而本文方法此時的計(jì)算時間仍舊不超過2 min?？傮w來看，本文方法在計(jì)算數(shù)據(jù)時技術(shù)數(shù)據(jù)節(jié)點(diǎn)增加，計(jì)算時間始終保持在一個平穩(wěn)的趨勢中，由此可以看出，本文方法在計(jì)算大數(shù)據(jù)時具有較高的計(jì)算效率。

圖2 聚類時間對比結(jié)果

本文方法指標(biāo)體系中包含5種一級指標(biāo)，每種指標(biāo)數(shù)據(jù)樣本不同，通過專家問卷調(diào)查結(jié)果統(tǒng)計(jì)實(shí)際大數(shù)據(jù)分類結(jié)果，對比3種方法在數(shù)據(jù)分類時聚類結(jié)果與實(shí)際分類結(jié)果的擬合度,結(jié)果見圖3。從圖3能夠看出，本文方法的聚類結(jié)果與真實(shí)結(jié)果最為接近，證明本文方法聚類結(jié)果比較理想。

圖3 擬合度對比結(jié)果

2.2 智能評價和預(yù)警結(jié)果

以二級指標(biāo)中的“月平均培訓(xùn)時間”為例使用本文方法評價該指標(biāo)和風(fēng)險等級之間的關(guān)聯(lián)度為(-0.382 9，-0.166 4,0.461 3，-0.194 4，-0.398 6)，按照關(guān)聯(lián)度最大原則，風(fēng)險等級和該指標(biāo)的最大關(guān)聯(lián)度是0.461 3，風(fēng)險等級為三級，劃定為中度預(yù)警。通過計(jì)算獲得各項(xiàng)一級指標(biāo)的權(quán)重為[0.161 1, 0.418 7,0.186 8,0.211 0,0.033 5]，從權(quán)重結(jié)果中能夠看出，設(shè)備因素的權(quán)重值最大，信息因素的權(quán)重值最小，由此可以證明設(shè)備因素對煤礦安全影響最大。使用本文方法計(jì)算得出目標(biāo)層、一級指標(biāo)和風(fēng)險等級之間的關(guān)聯(lián)度，按照關(guān)聯(lián)度最大原則獲得安全風(fēng)險預(yù)警等級和各個風(fēng)險評估物元綜合關(guān)聯(lián)度，結(jié)果見表1。

表1 風(fēng)險等級與關(guān)聯(lián)度結(jié)果

分析表1可知，設(shè)備因素的安全風(fēng)險等級為2級屬于低警狀態(tài)，風(fēng)險較低，而信息元素安全風(fēng)險等級為4級，屬于重度預(yù)警，具有較高風(fēng)險，在實(shí)際開展冶礦工程時需要著重注意，其余指標(biāo)均為3級風(fēng)險等級，可以劃分為中度預(yù)警，屬于一般預(yù)警，在冶礦工程中需要適當(dāng)調(diào)整。

綜合實(shí)驗(yàn)結(jié)果，該研究區(qū)域的煤礦工程存在安全隱患，前期開展過程中，開采深度逐漸加深，粉塵、水患等問題都比較嚴(yán)重，隨著進(jìn)度的開展，各種問題得到妥善解決。經(jīng)專家統(tǒng)計(jì)評分，該煤礦的安全等級為3級，與本文研究結(jié)果基本一致，綜合各實(shí)驗(yàn)結(jié)果，本文方法在智能評估與預(yù)警煤礦安全風(fēng)險時具有比較準(zhǔn)確的評價結(jié)果，定量評估結(jié)果較好。

3 總結(jié)

本文使用大數(shù)據(jù)技術(shù)，通過聚類計(jì)算得出智能評價和預(yù)警的指標(biāo)體系，從煤礦風(fēng)險的5個影響因素中共選取18個預(yù)警指標(biāo)展開風(fēng)險評估，使用可拓理論構(gòu)建模型，利用熵權(quán)法確定指標(biāo)權(quán)重，由此構(gòu)建高精準(zhǔn)性的煤礦風(fēng)險智能評估和預(yù)警模型。通過綜合關(guān)聯(lián)函數(shù)計(jì)算獲得各影響因素的風(fēng)險預(yù)警等級，保持在3級以內(nèi)，風(fēng)險情況可接受但仍需進(jìn)一步完善，具有較高參考價值。