邱 浩 ，李宏杰 ，李 文 ，李江華 ，杜明澤 ，姜 鵬

（1.煤炭科學技術研究院有限公司, 北京 100013；2.煤炭資源高效開采與潔凈利用國家重點實驗室, 北京 100013）

0 引 言

隨著國家層面煤礦智能化建設指導意見的提出，各省、市、自治區(qū)、大型煤炭企業(yè)相繼出臺了煤礦智能化、智慧礦山領域國家標準、地方標準、建設指南、評分辦法等政策性指導文件。上述政策性指導文件均將災害精準預警與風險管控作為重點建設與考評內容。在水害預警研究領域，近年來國內高等院校及科研院所在突水機理、評價方法、預警系統(tǒng)裝備與軟件研發(fā)方面開展了一系列的研究工作[1-2]。武強等[3]提出基于GIS 的ANN 型、證據(jù)權型、Logistic回歸型的底板突水評價脆弱性指數(shù)法；白繼文等[4]開展了深部巖體斷層滯后突水多場信息監(jiān)測預警研究；原富珍等[5]采用微震監(jiān)測技術監(jiān)測開采過斷層區(qū)域底板巖體破裂情況，分析底板斷層圍巖導水裂隙帶發(fā)育規(guī)律；張平松等[6]采用分布式光纖傳感測試技術監(jiān)測斷層區(qū)域巖層變形，分析采動引起斷層活化效應特征；王經明等[7]基于底板、陷落柱、采空區(qū)突水機理，提出突水判別標準和預警分級方法；姜福興等[8]將微震監(jiān)測技術應用于煤礦突水監(jiān)測，分析隱伏構造發(fā)育情況；尹尚先等[9]研究了水害監(jiān)測裝置布置方式和信息獲取方法，開發(fā)了突水監(jiān)測預警系統(tǒng)；連會青等[10]基于采空區(qū)、頂?shù)装逋凰畧鼍疤岢鐾凰袚?jù)，建立了相應的水情監(jiān)測與水害風險預警平臺；許進鵬等[11]研究了積水量與離層空間特別是與離層高度之間的關系，分析了積水量和離層高度對突水的預測預報作用；劉德民等[12]采用地球物理勘探手段進行底板破壞深度監(jiān)測，提出礦井底板突水定性和定量預警準則；王斌[13]基于層次分析法進行礦井水害因素權重評價，開發(fā)了煤礦頂板水害監(jiān)測系統(tǒng)；劉盛東等[14-15]采用并行電法儀進行電場參數(shù)試驗，分析滲流過程中電位、電流、視電阻率的時序特征并用于煤層底板水害實時監(jiān)測分析；魯晶津等[16-17]對含/導水構造正演結果進行三維電阻率反演成像，分析觀測系統(tǒng)、采集密度、模型參數(shù)等條件下的反演效果；靳德武、喬偉等[18-20]采用構建了煤礦水害多源監(jiān)測大數(shù)據(jù)平臺，基于機器學習算法實現(xiàn)底板水害微震-電法監(jiān)測預警；許延春等[21]提出了一種包括工作面開采時間周期及工作面評價空間區(qū)域劃分的底板突水微震監(jiān)測預警方法。

從水害預警方面研究可以得出：不同學者研究手段、思路不同，但從宏觀角度均已建立了水害預警機理的統(tǒng)一認識：基于水文地質與力學等角度分析充水水源、通道、強度礦井充水條件，以水文地質參數(shù)監(jiān)測、地球物理探測、監(jiān)測為主要技術手段獲取預警數(shù)據(jù)，根據(jù)不同種類水害預警問題結合突水致災機理提出水害預警指標、判據(jù)及準則。

通過水害預警系統(tǒng)發(fā)展趨勢分析可知，微震、電阻率、水文參數(shù)、力學參數(shù)、光纖光柵等水害實時監(jiān)測技術手段在頂?shù)装逅︻A測預警重要性逐步凸顯。受近年來政策背景支持，少數(shù)智能化建設示范礦井基于水害感知技術裝備與突水機理研究初步實現(xiàn)了水害智能分級預警，但國內多數(shù)礦井仍未步入水害智能預警階段，水害預警系統(tǒng)建設的智能化、信息化水平較低，現(xiàn)有預警模型對水害實時監(jiān)測數(shù)據(jù)突水前兆信息挖掘不夠深入，難以支撐煤礦水害的精準智能預警及決策。因此，針對國內煤礦水害預警系統(tǒng)現(xiàn)狀與特點，分析構建水害智能預警系統(tǒng)存在問題，提出針對性強的水害預警科學技術架構，形成穩(wěn)定可靠的智能預警模型，以此為基礎建設科學合理、技術可行、功能完備水害智能預警系統(tǒng)，對加快形成國內礦井水害精準智能預警與安全管控體系具有重要的科學意義和應用價值。

1 水害智能預警系統(tǒng)建設存在的問題

1.1 預警系統(tǒng)建設水平與數(shù)據(jù)接入標準不統(tǒng)一

國內礦井經過近年來的發(fā)展建設，已建立不同程度、規(guī)模的監(jiān)測預警系統(tǒng)，但是仍存在以下問題：①國內礦井水害預警系統(tǒng)發(fā)展不均衡，系統(tǒng)建設水平參差不齊，大部分礦井以水位、流量等單一或數(shù)個水文地質參數(shù)為基礎數(shù)據(jù)進行觀測，預警系統(tǒng)智能化水平仍較低；②部分國有煤礦配備了水文參數(shù)監(jiān)測及地球物理探測、監(jiān)測系統(tǒng)，也獲取了大量的數(shù)據(jù)，但對于海量數(shù)據(jù)的使用僅限于超限報警及定性處理，多源數(shù)據(jù)之間缺少關聯(lián)分析；③水害預警系統(tǒng)的智能化改造升級是很多煤礦亟待解決的問題，經過多年發(fā)展建設，國內礦井安裝了種類多樣的水文參數(shù)監(jiān)測及地球物理探測、監(jiān)測系統(tǒng)，不同系統(tǒng)架構、數(shù)據(jù)接口標準、技術指標不同，這給煤礦水害預警系統(tǒng)的智能化改造升級帶來了困難。

1.2 水害大數(shù)據(jù)信息的分類與時空匹配管理復雜

水害大數(shù)據(jù)信息復雜多樣，既包含地質資料數(shù)據(jù)、“三探”數(shù)據(jù)、基礎物性測試數(shù)據(jù)、數(shù)值模擬計算數(shù)據(jù)、水害防治指標數(shù)據(jù)等靜態(tài)數(shù)據(jù)信息，又包含水文參數(shù)監(jiān)測數(shù)據(jù)、微震監(jiān)測數(shù)據(jù)、電磁法監(jiān)測數(shù)據(jù)等時序動態(tài)數(shù)據(jù)信息。由于基礎地質、“三探”、數(shù)值模擬工作對象位置不同，基礎物性測試樣品來源不同，監(jiān)測傳感器布設地點不同，上述基礎靜態(tài)數(shù)據(jù)與時序動態(tài)數(shù)據(jù)亦包含空間坐標信息。將水害預警相關多源異構大數(shù)據(jù)信息進行合理分類，通過數(shù)據(jù)庫將水害預警相關結構化與非結構化的多源異構數(shù)據(jù)信息進行統(tǒng)一管理、清洗、時空匹配，是解決水害精準智能預警問題的數(shù)據(jù)基礎。

1.3 水害大數(shù)據(jù)信息的智能處理分析不足

目前，受限于煤礦智能化建設發(fā)展水平，大多數(shù)礦井針對水位、水壓、水溫等水文參數(shù)進行監(jiān)測，通過對水文參數(shù)設定經驗閾值實現(xiàn)水害的初判報警；部分礦井基于不同類型水害突水致災機理建立突水模型，提出突水判據(jù)及指標，具體指標判據(jù)主要包含基于力學的頂板采空區(qū)抗剪、抗拉破壞力學判據(jù)，基于力學與《煤礦防治水細則》融合的鄰近采空區(qū)隔水煤（巖）柱破壞突水判據(jù)、基于《建筑物、水體、鐵路及主要井巷煤柱留設與壓煤開采規(guī)范》與《煤礦防治水細則》的頂?shù)装?、構造突水判?jù)，通過對力學、富水性、地質參數(shù)等數(shù)據(jù)的關聯(lián)歸類、統(tǒng)計分析獲取突水前兆信息實現(xiàn)水害的指標預警；少數(shù)智能化建設示范礦井基于海量多源動態(tài)監(jiān)測、靜態(tài)探測數(shù)據(jù)，采用人工智能算法進行信息挖掘及聚類分析，實現(xiàn)煤礦突水危險性的分區(qū)、分級預警。國內多數(shù)煤礦水害預警尚未步入多源大數(shù)據(jù)智能預警階段，由于煤礦水文地質條件的復雜性，水文參數(shù)經驗閾值報警與突水指標預警結果主觀經驗性較強，在準確性、有效性方面與煤礦安全高效開采要求還存在較大差距?；谌斯ぶ悄茴愃惴ㄟM行信息挖掘及聚類的方法在無人駕駛、模式識別、圖像識別等非煤領域較為成熟，在煤礦水害預警系統(tǒng)應用還處于初級階段。

1.4 預警及智能決策信息發(fā)布的時效性差

影響水害預警及決策信息發(fā)布時效性的因素有2 點：一是信息傳輸?shù)臅r效性，二是智能計算的時效性。基于高精度地球物理探測的透明礦井、災害預警等應用場景對于信息傳輸、決策執(zhí)行延時要求達到秒-毫秒級，特別是基于實時多源動態(tài)信息的三維模型動態(tài)修正、預警決策信息的實時計算發(fā)布方面，對海量數(shù)據(jù)的傳輸效率提出極高的要求，同時，海量多源異構水害大數(shù)據(jù)信息的智能計算效率將影響智能預警模型的更新周期，進而影響預警精度。

2 技術架構分析

為合理建設煤礦水害預警與智能決策系統(tǒng)，有效解決上述水害預警存在問題，梳理了煤礦水害預警工作流程，從預警系統(tǒng)資源整合及數(shù)據(jù)驅動角度出發(fā)，提出普適性的煤礦水害智能預警系統(tǒng)技術架構，整個系統(tǒng)技術架構如圖1 所示。

圖1 煤礦水害智能預警系統(tǒng)技術架構Fig.1 Technical architecture of coal mine water hazard intelligent early warning system

系統(tǒng)自下向上分別由資源層、采集層、傳輸層、數(shù)據(jù)存儲層、數(shù)據(jù)處理層、應用層、預警決策層構成，集成基礎設備、智能算法、軟件應用服務，為煤礦水害預警系統(tǒng)建設提供一體化的支撐。

1）資源層包含信息采集資源、存儲資源、計算資源，為煤礦水害大數(shù)據(jù)信息采集與科學計算提供必要的硬件基礎。信息采集資源包括水害監(jiān)測傳感器、主分站、“三探”裝備、基礎物性測試設備，為數(shù)據(jù)層與用戶提供數(shù)據(jù)采集手段；存儲資源包含礦山數(shù)據(jù)中心與存儲介質，為數(shù)據(jù)存儲提供硬件基礎；計算資源包括云服務器、計算工作站、數(shù)據(jù)處理計算仿真軟件，為遠程服務及科學計算提供高性能計算與網(wǎng)絡服務資源。

2）采集層包含靜態(tài)本源信息采集與動態(tài)監(jiān)測信息采集，利用資源層信息采集資源對煤礦靜態(tài)本源信息及動態(tài)監(jiān)測信息進行高精度、連續(xù)采集，其中靜態(tài)本源信息包括煤礦基礎地質資料、“三探”數(shù)據(jù)、煤巖體物性測試數(shù)據(jù)、物性響應特征數(shù)值模擬數(shù)據(jù)等，為數(shù)據(jù)層靜態(tài)本源數(shù)據(jù)獲取提供技術支撐；動態(tài)監(jiān)測信息采集包括各類監(jiān)測數(shù)據(jù)、監(jiān)測系統(tǒng)狀態(tài)數(shù)據(jù)、數(shù)據(jù)采集管理流程閉環(huán)信息及與煤礦信息采集相關系統(tǒng)信息，為數(shù)據(jù)層動態(tài)監(jiān)測數(shù)據(jù)的連續(xù)獲取提供來源與數(shù)據(jù)接口。

3）傳輸層為鏈接采集層與數(shù)據(jù)存儲層的橋梁，主要采用礦用有線、無線、4G/5G 網(wǎng)絡為煤礦大數(shù)據(jù)信息由采集層向數(shù)據(jù)存儲層傳輸提供可靠、穩(wěn)定、實時、高速的信息通道。

4）數(shù)據(jù)存儲層建立煤礦水害預警大數(shù)據(jù)信息數(shù)據(jù)庫管理系統(tǒng)，實現(xiàn)煤礦水害靜態(tài)本源信息、動態(tài)監(jiān)測信息、數(shù)據(jù)庫管理信息的智能存儲、管理。在數(shù)據(jù)存儲層，由采集層經傳輸層傳入的靜態(tài)本源信息，細化為水文地質基礎信息、地球物理勘探信息、鉆探工程信息、采掘工程信息、水害分區(qū)信息、力學特征信息；動態(tài)監(jiān)測信息具體包含水文監(jiān)測、微震監(jiān)測、電磁法監(jiān)測、應力應變監(jiān)測、光纖光柵監(jiān)測等數(shù)據(jù)；數(shù)據(jù)庫管理信息包含靜態(tài)本源與動態(tài)監(jiān)測數(shù)據(jù)的分類索引、時空坐標信息、用戶管理信息、用戶權限信息、水害感知設備信息。數(shù)據(jù)存儲層采用流程化控制管理節(jié)點，水害大數(shù)據(jù)全部電子信息化管理，為實時調用及融合計算提供數(shù)據(jù)基礎，實現(xiàn)水害大數(shù)據(jù)信息的高效管理。

5）數(shù)據(jù)處理層根據(jù)具體系統(tǒng)需求預處理底層數(shù)據(jù)格式，劃分為基礎地質模型數(shù)據(jù)處理、數(shù)值計算模擬及信息融合數(shù)據(jù)處理3 個部分?；A地質模型數(shù)據(jù)處理用于解決模型底層二、三維地質模型構建以及根據(jù)局部采掘、地質、災害動態(tài)信息不斷修正地質模型進行展示的問題，包含模型構建算法、數(shù)據(jù)結構算法、拓撲關系、模型數(shù)據(jù)重建、模型動態(tài)修正等數(shù)據(jù)處理算法；數(shù)值模擬主要為各類數(shù)值模型的正演計算、特征數(shù)據(jù)獲取工作提供算法支持，包含有限元、有限差分、積分方程、離散元、邊界元等算法；信息融合數(shù)據(jù)處理用于解決應用層災害數(shù)據(jù)科學計算問題，實現(xiàn)靜態(tài)本源與動態(tài)監(jiān)測數(shù)據(jù)的深度融合和智能計算，并為其提供算法支持，包含假設檢驗、濾波跟蹤、聚類分析、模式識別、神經網(wǎng)絡等智能算法。

6）應用層建立煤礦水害智能預警軟件系統(tǒng)的應用場景，系統(tǒng)基于突水機理與感知技術裝備，以海量數(shù)據(jù)的智能處理作為支撐，結合國家、地方煤礦智能化建設規(guī)范，逐級逐次開展煤礦水害監(jiān)測參數(shù)預警、指標分級預警、智能模型預警?；A監(jiān)測參數(shù)預警以礦井水文參數(shù)實時監(jiān)測為主，通過對監(jiān)測參數(shù)進行分解濾波、插補重建實現(xiàn)水害信息的初判報警；指標分級預警通過對煤礦水害信息進行辨識、歸類，結合規(guī)程規(guī)范及突水力學模型實現(xiàn)各類指標的計算及確定突水判據(jù)；智能模型預警基于海量多源水害預警數(shù)據(jù)信息，建立智能預警模型，采用深度學習人工智能算法對模型進行訓練、測試與驗證，對突水風險進行預測預警。

7）預警決策層建立煤礦水害預警信息發(fā)布與智能決策系統(tǒng)，系統(tǒng)基于應用層科學計算預警結果，實現(xiàn)煤礦水害預警信息的智能決策與信息發(fā)布。智能決策系統(tǒng)核心功能在于實現(xiàn)智能預警成果分析與可視化，并輔助進行預警模型的自我診斷及提出預警決策。信息發(fā)布通過定制服務，利用有線網(wǎng)、無線網(wǎng)向移動端與PC 端實時推送發(fā)布預警信息。

3 軟件服務架構分析

水害智能預警系統(tǒng)基于標準與規(guī)范化體系、運行管理體系、安全保障體系規(guī)范，圖2 為水害智能預警平臺軟件服務架構，采用Spring Cloud 微服務架構模式，其為單一應用程序劃分成一組小的服務，服務之間互相協(xié)調、配合，每個服務運行在獨立的進程中，服務與服務間采用RPC、HTTP 通信機制互相溝通。微服務架構有以下特點：①復雜度可控，每一個微服務專注于單一功能，體積小、復雜度低，每個微服務可由一個小規(guī)模開發(fā)團隊完全掌控，易于保持高可維護性和開發(fā)效率。②獨立部署：由于微服務具備獨立的運行進程，所以每個微服務可以獨立部署。當某個微服務發(fā)生變更時無需編譯、部署整個應用；具備可并行發(fā)布條件，使得發(fā)布更加高效。③技術選型靈活：微服務架構下，技術選型是去中心化的。每個團隊可以根據(jù)自身服務的需求和業(yè)務特色，自由選擇最適合的技術。④容錯：當某一組件發(fā)生故障時，在單一進程的傳統(tǒng)架構下，故障很有可能在進程內擴散，形成應用全局性的不可用。在微服務架構下，故障會被隔離在單個服務中；其他服務可通過重試、平穩(wěn)退化等機制實現(xiàn)應用層面的容錯。⑤易于擴展：每個服務可以根據(jù)實際需求獨立進行擴展。

圖2 水害智能預警平臺軟件服務架構Fig.2 Software service architecture of water hazard intelligent warning platform

整個系統(tǒng)分為5 層，自下而上分別為基礎設施層、數(shù)據(jù)資源層、應用支撐層、業(yè)務應用層、用戶層，系統(tǒng)在各層遵循標準規(guī)范體系和安全防護體系。

1）基礎設施層主要為各層提供基礎設施支撐，主要包括云服務器、網(wǎng)絡設施、安全設施、FTP 服務、WebService 服務等。

2）數(shù)據(jù)資源層是應用系統(tǒng)的數(shù)據(jù)基礎，它為應用支撐層提供數(shù)據(jù)存儲服務，并最終為業(yè)務應用層實現(xiàn)支撐。數(shù)據(jù)資源層主要分為結構化數(shù)據(jù)和非結構化數(shù)據(jù)。結構化數(shù)據(jù)使用Redis 和MySQL 進行存儲，非結構化數(shù)據(jù)（文件、圖片等）使用FastDFS 進行存儲。主要的業(yè)務應用庫，包括大數(shù)據(jù)信息管理數(shù)據(jù)庫，礦井水害智能預警防控系統(tǒng)，服務端管理服務系統(tǒng)數(shù)據(jù)庫。

3）應用支撐層為業(yè)務應用層與數(shù)據(jù)資源層之間建立了統(tǒng)一的數(shù)據(jù)訪問通道，為業(yè)務應用提供應用支撐服務，實現(xiàn)對不同數(shù)據(jù)庫的透明訪問能力。應用支撐層根據(jù)系統(tǒng)需要構建不同應用服務組件，主要包括GIS 服務組件、內容管理組件、智能表單組件、消息處理組件、算法模型組件、搜索引擎組件、工作流引擎組件、服務總線等。

4）業(yè)務應用層包括大數(shù)據(jù)信息管理系統(tǒng)、礦井水害智能預警防控系統(tǒng)、服務端管理服務系統(tǒng)以及支撐上述系統(tǒng)基本服務和應用支撐平臺之間消息發(fā)送的接口。

5）用戶展現(xiàn)層為預警服務提供方、受服務方，分別對應服務端和客戶端為服務對象提供大數(shù)據(jù)查詢及預警分析服務，信息發(fā)布主要包含PC、大屏展示及移動端，通過HTML5 等具體手段形式進行展示服務。

4 煤礦水害智能預警系統(tǒng)建設

基于煤礦水害智能預警系統(tǒng)技術與軟件服務架構，圍繞前文所述技術問題，從感知數(shù)據(jù)接入、數(shù)據(jù)時空匹配、預警模型開發(fā)、預警信息發(fā)布4 個方面闡述煤礦水害智能預警系統(tǒng)建設技術思路。

4.1 感知數(shù)據(jù)接入

感知數(shù)據(jù)是實現(xiàn)煤礦水害精準預警的基礎和前提，要實現(xiàn)煤礦水害精準防控，必須先實現(xiàn)水害關鍵信息，特別水文地質條件信息、采掘信息、突水前兆信息的高精度感知。水害感知數(shù)據(jù)的接入主要包含地質勘探、水源識別、水位監(jiān)測、涌水量監(jiān)測、應力監(jiān)測、微震監(jiān)測、電阻率監(jiān)測等方面，數(shù)據(jù)接入工作應參照國家、地方標準，接入范圍力求全面、規(guī)范，同時應根據(jù)不同礦井的技術裝備配置及建設條件優(yōu)先接入水害關鍵信息以平衡系統(tǒng)的經濟性與實用性。圖3 為工作面底板水害預警系統(tǒng)數(shù)據(jù)感知示意，通過微震監(jiān)測手段感知工作面開采底板破壞情況，通過工作面電阻率監(jiān)測感知底板承壓水導升情況，通過地表、井下水文參數(shù)傳感器感知突水風險，上述感知數(shù)據(jù)通過礦用通訊系統(tǒng)傳輸至地面服務器進行統(tǒng)一存儲及管理。

圖3 工作面底板水害預警系統(tǒng)數(shù)據(jù)感知示意Fig.3 Schematic of data perception for water hazard warning system in working face floor

4.2 數(shù)據(jù)時空匹配

對水害多源異構數(shù)據(jù)信息進行歸類與時空匹配，以便于采用深度融合及智能計算方法進行處理，是實現(xiàn)煤礦水害精準智能預警的前提條件?；谇拔乃鲮o態(tài)本源信息與動態(tài)監(jiān)測信息分類，將接入的感知數(shù)據(jù)進行時空匹配，形成數(shù)據(jù)表，對于靜態(tài)數(shù)據(jù)只需存儲數(shù)據(jù)的空間坐標與特征數(shù)據(jù)，對于動態(tài)監(jiān)測數(shù)據(jù)需要同時存儲時間、空間坐標與歸一化特征數(shù)據(jù)，對于微震監(jiān)測類的觸發(fā)式數(shù)據(jù)，首先根據(jù)震源定位算法確定空間坐標，然后采用one-hot 編碼方法對觸發(fā)狀態(tài)進行編碼，同時采用Z-score 標準化方法對微震事件能量進行歸一化處理。表1 為工作面水害預警數(shù)據(jù)表示例，通過數(shù)據(jù)庫對多源水害監(jiān)測數(shù)據(jù)進行存儲管理。

表1 典型工作面水害預警感知數(shù)據(jù)Table 1 Water hazard warning perception data of typical working face

4.3 預警模型開發(fā)

預警模型的構建是實現(xiàn)水害預警的核心問題，需在明晰不同水害類型突水機制的基礎上獲取多源突水前兆感知數(shù)據(jù)，構建基于水文地質與數(shù)學物理方法的智能預警模型，設計煤礦水害智能預警系統(tǒng)應用場景。預警的手段主要分為3 類：第一類為參數(shù)初判報警，設定閾值，當觀測值達到或超過限定閾值則發(fā)出預警；第二類為指標預警，在明晰水害致災機理的基礎上，分析不同類型水害的突水模式，從水文地質、開采、力學角度構建指標體系并提出突水判據(jù)，實現(xiàn)基于水害監(jiān)測時空數(shù)據(jù)的指標預警；第三類為智能模型預警，在實際地層結構中，水害威脅程度受多因素影響，無法直接定量預測出水量與定量評價突水風險，可以借助非確定性的學習算法，通過大量感知數(shù)據(jù)的訓練測試驗證來尋找突水預警內在規(guī)律，該類方法包含層次分析、灰色理論以及以機器學習、深度學習為代表的人工智能類算法。在預警系統(tǒng)建設過程中，需根據(jù)礦井的感知技術裝備配置及數(shù)據(jù)條件選用適用的預警方法，既需要礦井大數(shù)據(jù)的融合分析與智能計算，也需要盡可能明確突水致災機理與預警判據(jù)，通過以上方法進行水害預警客觀且精度較高，避免判斷結果依賴人為經驗。在水害監(jiān)測范圍內，突水風險的分級標準與數(shù)據(jù)集的構建，應根據(jù)探測區(qū)域局部地質條件與探測范圍煤巖體富水性實際情況確定。以工作面底板水害深度學習預警問題為例，可以采用微震、電阻率等監(jiān)測手段推斷底板破壞與承壓水導升情況，對微震、電阻率數(shù)據(jù)時空匹配與特征提取，在工作面開采初期，可將井下電磁法、槽波地震、無線電波透視等探測靜態(tài)本源數(shù)據(jù)信息作為模型初始特征，以微震、電法多源時序動態(tài)監(jiān)測信息作為輸入，以出水量等水文參數(shù)作為輸出，構建智能預警模型，采用小批量算法及自適應學習策略對微震、電法等水害動態(tài)監(jiān)測數(shù)據(jù)信息進行分類訓練。

在眾多的智能算法之中，線性回歸LR、自回歸移動平均值ARMA 存在對復雜非線性關系逼近能力不足的問題，人工神經網(wǎng)絡ANN 對復雜非線性關系逼近能力較好，但無法有效學習時序監(jiān)測數(shù)據(jù)的相關性，支持向量機SVM 可解決非線性問題，但處理大規(guī)模監(jiān)測數(shù)據(jù)存在困難，水害預警問題是典型的非線性時序預測問題，上述模型方法在水害預警應用方面存在局限性。深度神經網(wǎng)絡DNN 基于深層非線性網(wǎng)絡結構，非線性學習優(yōu)化能力更強，但仍無法有效學習時序特征，循環(huán)神經網(wǎng)絡RNN 可學習時序數(shù)據(jù)特征，但存在梯度消失及梯度爆炸問題，無法解決水害預警數(shù)據(jù)的長期記憶問題，長短時記憶LSTM、門控循環(huán)單元GRU 是具備代表性的RNN類方法，相比于RNN，LSTM、GRU 可長期記憶時序數(shù)據(jù)中包含的數(shù)據(jù)特征，其中GRU 實在LSTM 基礎上發(fā)展優(yōu)化的神經網(wǎng)絡[22-23]，兩者計算精度相近，與LSTM 相比，GRU 模型收斂更快。選用工作面底板水害GRU 深度學習算法進行說明，圖4 為GRU 深度學習數(shù)據(jù)融合預警模型網(wǎng)絡結構，GRU 計算模型層采用門控循環(huán)單元算法學習訓練輸入數(shù)據(jù)xt，將GRU 輸出至全連接層，優(yōu)化更新計算模型，輸出訓練結果ht；采用稀疏交叉熵損失函數(shù)與Softmax 多元分類器將訓練結果ht進行預警等級分類及輸出，H為4 個預警等級：0—正常、1—較危險、2—非常危險、3—即將突水的分類預測概率。GRU 計算單元示意如圖5 所示，xt為當前輸入值，ht為當前GRU 計算單元輸出值，ht-1為上一時刻GRU 單元的輸出值，Wr為重置門權重矩陣，Wz為更新門權重矩陣，W為當前計算單元狀態(tài)權重矩陣。模型的訓練測試包含以下3 個步驟：

圖4 煤礦水害GRU（門控循環(huán)單元）智能預警模型Fig.4 Water hazard GRU (Gated Recurrent Unit) intelligent early warning model of coal mine

圖5 GRU 計算單元示意Fig.5 Schematic of GRU calculation unit

1）前向計算每個GRU 計算單元的輸出值，包含當前節(jié)點控制重置的門控rt，當前節(jié)點控制更新的門控zt，當前GRU 計算單元輸出值ht三個向量，⊙為按元素乘邏輯運算符，具體前向計算方法見式（1）。

誤差傳遞到上一層的公式為

3）由前向傳播公式及已經求得的誤差項計算每個參數(shù)的權重梯度，采用Adam 優(yōu)化算法更新權重梯度，完成預警模型的訓練過程，對模型進行驗證與測試，評價模型的精度表現(xiàn)與泛化能力，最后保存模型參數(shù)。在系統(tǒng)建設過程中可采用Keras 等深度學習框架進行深度學習預警模型開發(fā)、訓練、評價與更新，完畢后將模型部署到系統(tǒng)后端，在系統(tǒng)前端發(fā)出預警指令后，將待預警數(shù)據(jù)輸入訓練好的模型，輸出預警結果并可在前端進行可視化展示，如圖6 所示，完成預警過程。

圖6 煤礦水害智能預警系統(tǒng)Fig.6 Display of water hazard intelligent early warning system for coal mine

4.4 預警信息發(fā)布

為了應對預警信息發(fā)布與預警模型智能計算的時效性問題，可采用云計算與邊緣計算協(xié)同的計算服務架構，將模型修正與水害預警類低延時需求數(shù)據(jù)采用邊緣計算處理，在智能預警模型計算過程采用并行計算技術提高預警模型的計算更新效率，以實現(xiàn)預警模型及預警結果發(fā)布的高效率、低延時，解決水害預警及智能決策信息發(fā)布的時效性問題。

5 結 論

1）解讀國家煤礦智能化發(fā)展政策及理念，分析了國內煤礦水害監(jiān)測預警發(fā)展現(xiàn)狀及趨勢，指出了建設煤礦水害監(jiān)測與智能預警系統(tǒng)的問題，即水害智能預警需求的復雜性與數(shù)據(jù)接入標準、水害多源大數(shù)據(jù)信息的分類與時空匹配、水害大數(shù)據(jù)信息的智能處理分析及水害預警及智能決策信息發(fā)布的時效性。

2）針對煤礦水害監(jiān)測與智能預警系統(tǒng)存在問題，提出煤礦水害監(jiān)測與智能預警系統(tǒng)技術架構，將水害預警資源分為信息采集資源與計算資源，將水害預警大數(shù)據(jù)信息分為靜態(tài)本源信息與動態(tài)監(jiān)測信息，將數(shù)據(jù)處理分為基礎地質模型數(shù)據(jù)處理、數(shù)值處理與計算模擬及信息融合數(shù)據(jù)處理，將煤礦水害預警分為監(jiān)測參數(shù)預警、指標分級預警、智能模型預警，對技術架構進行了詳細分析。

3）基于煤礦水害智能預警系統(tǒng)技術架構需求，提出了復雜度可控、獨立部署、技術選型靈活、容錯率高、易于擴展服務的系統(tǒng)軟件服務架構，給出了基礎設施層、數(shù)據(jù)資源層、應用支撐層、業(yè)務應用層、用戶展現(xiàn)層的軟件服務方案。

4）基于煤礦水害智能預警系統(tǒng)技術與軟件服務架構，圍繞煤礦水害預警系統(tǒng)技術問題，從感知數(shù)據(jù)接入、數(shù)據(jù)時空匹配、預警模型開發(fā)、預警信息發(fā)布4 個方面闡述煤礦水害智能預警系統(tǒng)建設技術思路，結合具體水害預警建設流程給出了不同類型感知數(shù)據(jù)接入、存儲、編碼、模型的分類、智能深度學習模型的構建測試、預警信息發(fā)布的技術路徑。