大数据分析在矿山冲击地压预测中的应用

马艳英 王瑞虎

摘 要：针对目前冲击地压难以总结和预测的问题，本文提出了一种基于大数据分析的矿山冲击地压监测和预报系统。本文借鉴对平煤十一矿22122工作面的分析，得出了冲击地压发生前的主要征兆是煤岩层微震变化。通过矿山安全监测系统对多个工作面的微震情况、温度、煤岩层岩体力学等性质的变化进行大数据分析，最终通过输入各矿井的地质条件，便可对该矿井冲击地压发生的时间和空间进行预测和报警。本文仅为结合大数据分析预测冲击地压的一种理论方案，使矿井生产建设做到更加安全高效。

关键词：矿山压力；冲击地压预测；大数据分析

DOI：10.16640/j.cnki.37-1222/t.2019.09.083

1 引言

我国在现有的经济条件下，不断加大对煤矿的开采深度，虽然经济得到了较快的发展，但开采后所引起的冲击地压灾害的发生日益频繁。在矿山作用下的煤岩存在巨大的弹性势能，冲击地压使得能量猛烈地、急剧地、突然地从中释放出来，造成煤岩体的抛出。煤矿开采易造成矿井的冲击地压灾害，对于整个世界而言，煤炭占据人类生活的一大半部分，是一种不可或缺的资源，相对应煤炭开采占比大，因此冲击地压在矿井生产中也是最严重的自然灾害之一，有着巨大的威胁，是一种十分剧烈的矿山压力显现形式。冲击地压的发生会造成巷道堵塞、片帮冒顶、支架损坏、人员伤亡等严重事故，与此同时，剧烈的震动和震耳的声响也出现。从而使得岩体的显著运动时间大大增加，抛出的煤岩体也以数量级般增多。

在我国，许多煤矿矿井都有着五六十年的历史，伴随着时间的推移和开采深度的不断增加，冲击地压灾害问题变得越来越严重，解决冲击地压灾害问题已经刻不容缓。但是由于当今时代的科技发展水平不足，对于解决冲击地压问题并没有根本的解决方法。由于冲击地压灾害的严重性，严重制约着各国煤炭行业的发展，阻碍经济发展，因此，一直以来，国内外学者始终致力于解决冲击地压问题，在冲击地压的控制方式、监测手段及发生机理等方面取得了重要进展，但是由于冲击地压存在很多复杂的成因，所以当前的预防措施和控制方法仍治标不治本，为了更好地研究冲击地压，需要更多研究人员会更加努力，全身心致力于解决冲击地压问题。

眾所周知，引起冲击地压灾害发生的原因是多种多样的，决定他发生的因素是多种多样的，所以冲击地压预测的难度非常大，难以得出一个非常明显的规律性结论和数学公式，在数学上有一定的模糊性，但是其本质就是岩层在承受很高的应力，甚至超过其强度极限时，高弹性能的突然释放，所以发生冲击地压的岩层在时间、空间和力学性质变化上必然存在着一定的联系。如果我们应用矿山安全监测系统对各岩层进行数据监测，并将各水平、各矿井，甚至全国各地的冲击倾向性岩层数据进行大数据分析，利用计算机对这些大数据进行机器学习，就可以得出发生冲击地压煤岩层的时间、空间和力学特征变化规律，应用到每个矿井数字矿山系统上，将矿井开采的参数和煤岩层的地质力学规律输入系统，大数据系统就进行匹配分析，分析出该矿井具有冲击倾向性的煤岩层，并提醒矿井负责人对相应煤岩层进行重点监测和预防[1]。

2 物联网、大数据及云计算技术

2.1 物联网技术

物联网是实现人和物之间信息相互联通的桥梁。它是在已经比较先进和完备的互联网基础上，按照一定的通信协议，利用较先进的射频识别技术而实现的。物联网的概念最初是在1999年由美国麻省理工学院提出，后来，美国和欧洲等国家看到了物联网技术的大好前景，抓住机遇，高度重视物联网技术的发展并不断对其投资极大地推动了本国经济的发展，也促进了物联网技术的成熟与完善。近些年来我国也为了物联网的发展采取了一系列的政策措施，将物联网纳入战略性新兴产业，在物联网技术方面取得了一系列突破，极大地促进了物联网技术在我国的发展，推动物联网研究和建设的进入高潮期。

2.2 大数据技术

随着物联网技术覆盖的范围越来越广，“人、机、物”三元世界在信息空间（Cyber Space）中的交互、融合所产生的数据量越来越大，这样就产生了大数据问题[2]。

由于大数据是一个比较抽象的概念，这就使大数据至今没有一个明确统一的定义。大部分对大数据的定义是根据其大数据的特征而来，其中具有代表性的是：大数据是指具有“大容量（Volume）、多变性（Variety）、快速化（Velocity）”特性的数据，这就是“3V”定义。除此之外，“低价值密度（Value）”也是大数据还应当具有的显著特征。

数据分析、管理和数据存储与大数据有着密切的联系，大数据的存在及其规模效应给他们带来了极大的挑战。因此人们提出了诸如基于Hadoop的数据储存方法、基于ETL的数据抽取和集成方法及各种在线学习方法，进而更好地发展和应用大数据技术。

2.3 云计算技术

云计算技术也是以当今发展迅速的网络技术为背景下的一种新兴的技术，具有按需服务、超大规模、高可拓展、虚拟化、高可靠、通用化等特点。由于云计算有很好的应用和商业价值，所以Google、Amazon、IBM、SUN、Microsoft等公司都推出了各自的硬件和软件架构[3]。

2.4 三种技术的联系

大数据、云计算、物联网这三种技术之间存在很多的联系，同时三者之间也有区别。物联网注重物与物之间的联系，但是机器和人的思维方式是存在本质性区别的，物体反馈给人的信息和方式需要通过人机交互所产生的大量数据经分析才能得到。所以物联网是人与物产生大量交互数据的产生源头，大数据是人机交互产生和各项数据和指标，云计算是对大数据进行归类整合分析的技术。大数据在其中是基础，是人机交互反馈的根本。

3 大数据分析在冲击地压预测中的应用

3.1 煤矿信息化技术

由于我国煤炭行业发展时间较短、经验不足以及矿井井下环境的复杂多样性，与其他行业相比，矿井的信息化较为困难。目前也没有一个确切的实现煤矿信息化技术综合自动化的方案。但是仅对于综合自动化的实践工作概况而言都是相对类似的，即对煤矿各个子系统都进行联网和远程控制和监测，能够实时了解井下的各种生产状态，各系统之间相互影响和协调，建设一个能实现全矿井各个系统数据接入和显示的硬件和软件平台，这也是实现综合自动化目的的所需。不同的研究人员及企业对其进行了研究和改进： EPON（Ethernet Passive Optical Network，以太网无源光网络）技术、总线技术和工业以太网技术等等均被采用过用来构建全矿井通信网络，目前大多数现代化矿井都运用下图所示的方式。

3.2 冲击地压的力学机制

冲击地压是一种特殊的矿山压力显现形式，其根源是高弹性能的突然释放，其蕴含的高弹性能就是因为上覆岩层的垂直应力、煤岩层自身的膨胀应力和由于地质构造造成的构造应力等所造成的。由于地壳运动的影响以及温度、压力的变化，加之地层沉积岩的作用，在地质构造发育形成过程中，地层所受到的应力始终在不断的变化之中，就会偶然的形成许多局部应力场，在其中就会发生应力集中的现象，该应力场中储存着极高的弹性变形能量的机械物理性能表征、岩层开采方式和相关力学参数。这种机械力学性能是相关煤岩体的固定属性。从岩体控制学的角度考虑，可将这些参数作为描述煤岩层冲击倾向性的指标，但是也只能进行定性分析，因为不同地质条件下各个因素对冲击倾向性的影响程度不同[4，5]。

3.3 冲击地压发生前后的微震信号特征

根据参考文献，我们对平煤十一矿22122切眼煤柱进行分析。平煤十一矿目前采深接近一千米，二水平二采区2212区段开采二1煤层，煤厚4.2m左右，分层开采。22122工作面设计开采2212区段的下分层，采深820～880m，走向长度1300m，斜長180m，下分层猜厚2.0m，距上分层采空区20～30m。

在掘进过程中22122切眼共发生了3次冲击地压， 2009年12月27日中班发生了第一次冲击地压，冲击发生后迎头以后20m范围内两帮收敛0.3 m，底鼓0.5 m，切眼往下掘进至100～105 m位置，能量的释放量为4.56×105J，并且造成了人员伤亡，损坏了机械设备。2010年1月15日中班23时10分，第二次冲击地压发生，当时瓦斯排放措施孔正在处于施工阶段，切眼向下掘进到125 m处，事故发生后在迎头以后20～30 m范围内两帮收缩0.2 m，迎头后退30 m范围内，底鼓0.4 ～0.8m，溜板的高度抬高了0.4m，大量煤尘被扬起，瓦斯涌出量没有明显变化，使多名工人受伤，煤矿设备被破坏，经过微震监测系统得知冲击地压能量较大，达到了1.52×105J； 2010年2月19日18时53分发生了最后一次冲击地压，迎头退后5m的50 m范围内底板膨起0.7～0.8 m，切眼与下巷的距离为3m，两帮收缩0.3 ～0.4mm，工人感到了剧烈的震感，由于工作人员按照规定穿有防护服，此次事故没有出现人员伤亡的情况，经过测算此次冲击地压具有的能量高达3.33×105J[6]。

通过对3个冲击地压发生点的冲击地压发生点前后微震频率和波形进行分析，就可以发现其发生前微震的频率和波形进行分析，就能通过下一次微震分析该出有无冲击地压危险。根据以上阐述的各种因素对冲击倾向性的影响，为了减少灾害的发生，实现安全生产，可以在工作面布置多种监测手段，对煤岩层的温度、岩体力学性质进行监测，汇总到总服务器，就可以得到该矿冲击地压发生的时间地点规律，以及发生时煤岩层的微震情况、煤岩层的温度变化、底鼓高度、裂隙发育程度、应力分布等状况，进行综合分析，然后通过层次分析法等方式对这些因素的影响程度进行分析。

通过这些我们可以想到，数据的样本越大，我们就能得到越发准确的各因素影响情况。所以，大数据在此处的重要性尤为明显。如果我们对全国数千家矿井的冲击地压情况进行大数据综合分析，就能得到一个综合的预测方法。我们只需要输入该矿井的地质因素和采煤方法，就能较为有效和准确地预测冲击地压可能发生的时间和地点。

3.4 无线矿压检测系统

基于无线传感器网络的矿山压力监测系统主要由采集节点、无线网关、地面传输接口及上位机数据处理软件等组成。系统内设置溅射薄膜式压力传感器，当系统采集节点时，在传感器内，产生了由支架压力信号转化而来的电压信号，电压信号经ZigBee无线发射模块和CAN总线，途径无线网关，最终传至上位机，与此同时，通过ZigBee无线发射模块，各采集节点也会收到传至无线网关的上位机命令，上位机在接受信号之后，利用矿压数据分析软件对信号进行分析与处理[7]。

首先有各区段将该区段的数据汇总到采区，之后逐级向上汇总，最终汇总至矿井总控制室的云端服务器，总调度室便可了解井下个煤岩层的冲击倾向性变化，并通知井下相关工作人员进行预防和应对，最大程度的做到对冲击地压的预测和预防。各矿井可以通过网络将自己矿井的数据上传至国家有关部门或者专门的数据分析部门，由他们对各矿井的大数据进行建模，从而可以得出针对各个地区、各个矿区、各个矿井和不同地质条件下的冲击地压发生规律和应对策略，形成对冲击地压的系统性治理对策。

4 结论

综上提出了一种应用大数据对矿山冲击地压进行预测的方法，大数据的应用使冲击地压规律的总结和预测变成了可能，但是在全国所有矿井实现上文所提到的矿山安全监测系统和实现大数据处理分析是一件比较困难的事情，还有许多的问题需要解决。若要实现上述的方案，需要投入大量的人力和物力对相关的硬件设备和软件进行大规模的改良和研发。但是相较于冲击地压对矿山安全生产造成的严重威胁和大量的经济和人员损失，作者认为开发此系统是十分必要的，一旦研发出了系统的基于大数据分析的冲击地压监测和预报系统，将对于未来的矿山安全高效生产产生十分重大的推动作用，本文证实了该方案在理论上的可行性。

参考文献：

[1]孙继平.煤矿信息化与自动化发展趋势[J].工矿自动化，2015，41

（04）：1-5.

[2]INMON B.The data warehouse budget[EB/OL].[2013-10-2].http：//www.datawarehouse.inf.br/papers/inmon%20budget-1.pdf.

[3]王元卓，靳小龙，程学旗.网络大数据：现状与展望[J].计算机学报，2013，36（06）：1125-1138.

[4]邹德蕴，姜福兴.煤岩体中储存能量与冲击地压孕育机理及预测方法的研究[J].煤炭学报，2004（02）：159-163.

[5]夏永学，康立军，齐庆新，毛德兵，任勇，蓝航，潘俊锋.基于微震监测的5个指标及其在冲击地压预测中的应用[J].煤炭学报，2010，35（12）：2011-2016.

[6]袁瑞甫，李化敏，李怀珍.煤柱型冲击地压微震信号分布特征及前兆信息判别[J].岩石力学与工程学报，2012，31（01）：80-85.

[7]李潞斌.基于无线传感器网络的矿山压力监测系统设计及应用[J].煤炭工程，2012（12）：127-128+131.

作者简介：马艳英（1998-），女，山东汶上人，学士在读，主要从事于安全工程相关的研究。