瓦斯灾害区域安全态势预警技术

张庆华，宁小亮，宋志强，和树栋

(1.安徽理工大学 能源与安全学院， 安徽 淮南 232001；2.瓦斯灾害监控与应急技术国家重点实验室， 重庆 400037；3.中煤科工集团重庆研究院有限公司， 重庆 400037)

0 引言

近年来，随着煤矿安全监管监察力度的加强及安全技术及装备的推广和投入，我国煤矿安全形势不断好转，煤矿事故起数和伤亡人数均大幅下降，但与发达国家相比仍有较大差距，煤矿事故没有得到根本遏制，安全形势依然严峻。2018年共发生事故224起，死亡333人，百万吨死亡率为0.093，同比分别下降0.9%、13.1%和12.3%[1]。为防范化解煤矿领域系统性安全生产风险，党中央、国务院进行了重要部署，发布了《中共中央国务院关于推进安全生产领域改革发展的意见》等系列文件[2-3]，要求构建“互联网+监管”平台，加快建设国家、省、煤矿企业多个层面的煤矿安全风险监测预警系统，不断提升煤矿安全监管监察的信息化、网络化、智能化水平，有效防范和化解重大安全风险。

全方位辨识区域煤矿风险，进行区域煤矿安全态势分析与预警，是提升煤矿安全生产风险防范与化解能力和安全监管能力的有力抓手和有效途径[4-5]，更加有利于实现煤矿安全生产风险全过程、全链条的态势感知分析，强化风险分级管控和动态监测预警分析，有力提升科学预防、过程管控、精准监管监察水平，可为监管监察部门预防性精准执法提供有力支撑。

本文以瓦斯灾害为例，从预警区域及等级划分方法、预警指标及模型、预警系统等方面对区域安全态势预警技术进行探讨，可有效促进我国煤矿灾害区域风险预警机制的建立。

1 预警区域及等级划分方法

根据我国煤矿监管监察行政管理模式及预警的需要，将预警区域划分为全国区域、省(市)级区域、煤监分局管辖区域、地市级行政区域4个区域层级，如图1所示，其中煤矿是构成区域的最小单元，a,b,c,n为对应区域或煤矿的数量。

根据各级区域风险的大小，采用蓝色、黄色、橙色、红色4种颜色分别表示一般、较重、严重、特别严重4个预警等级，其代表的含义分别是相对安全、需要引起关注、需要加大监管监察力度、需要立即采取防控措施。

在监管监察过程中，需根据预警结果分级分区响应，以便采取针对性的管控措施，因此，以划分的区域为空间范围，针对每一层级的每个区域及每个煤矿都应单独发布预警结果。

图1 预警区域划分Fig.1 Early warning area division

2 瓦斯灾害区域安全态势预警指标

指标是对客观事物属性的刻画和描述[6]，而预警过程中需要对预警要素、危险源、征兆以及预警对象危险状态进行描述，这就需要通过一系列指标来完成。区域内瓦斯风险影响因素众多，既与区域内煤层赋存条件、矿井瓦斯等级、地质构造复杂程度等煤矿固有属性有关，又与煤矿企业权属性质、生产能力、安全管理水平等矿井布局及采掘条件相关，还跟区域内事故发生的时空规律及煤矿重大隐患等因素密切相关，同时还受宏观技术和经济政策的影响。为此，建立瓦斯灾害区域安全态势预警指标体系，见表1。

3 区域预警分析模型

区域预警分析模型是预警实现的核心。瓦斯灾害区域安全态势预警涉及的指标众多，既有定量指标，又有定性指标，且各指标对区域安全风险的影响程度也有所差异，由此可见，预警分析是典型的多指标、多源数据处理问题。因此，需要建立科学、合理的算法模型对多指标进行综合分析，以实现可靠、准确预警。层次分析法是一种解决多目标复杂问题的决策分析方法[7-10]，在工程实践中得到了广泛应用，其特征是合理的将定性与定量决策结合起来，因此，采用该算法实现区域预警的多指标分析与决策。

表1 瓦斯灾害区域安全态势预警指标体系Table 1 Early warning index system of regional security situation of gas disasters

图2 瓦斯灾害区域预警层次结构模型Fig.2 Hierarchical model of regional early warning of gas disasters

预警分析具体步骤如下：

axy计算公式为

(1)

式中[]表示取整。

表2 两指标相对重要性专家打分标准Table 2 Expert scoring criteria for relative importance of two indicators

(2) 进行层次单排序和一致性检验。首先计算各判断矩阵最大特征根的特征向量，经归一化处理后记为W，其元素即为判断矩阵各元素对于上一层某指标相对重要性的排序权值；然后对判断矩阵进行一致性检验，若未通过，则需要对axy加以调整。

(3) 进行层次总排序和一致性检验，即从最高层次到最低层次依次计算某一层次所有指标对于目标层相对重要性的权值，最终可得到方案层对目标层的层次总排序。若通过一致性检验，组合权重最大的方案即为最终预警结果；若未通过一致性检验，则需要重新调整一致性比率高的判断矩阵的元素取值。

4 预警系统设计

区域安全态势预警涉及海量数据的采集、存储与分析，因此，基于Hadoop和Spark大数据平台[13-14]开发区域安全态势预警系统。该系统主要包括数据源层、数据采集层、数据存储层、资源管理层、数据分析层、数据访问层和软件应用层，如图3所示。数据的获取与利用遵循“分类采集、集中存储、按需调用、灵活展现”的基本原则。

图3 区域安全态势预警系统架构Fig.3 Architecture of early warning system of regional security situation

数据源层：数据源主要包括瓦斯监控系统数据、安全隐患排查系统数据、固有自然属性、矿井布局及采掘条件、宏观技术和经济政策等数据。上述数据按照数据结构可划分为结构化数据、半结构化数据及非结构化数据，按照数据时效性可划分为离线数据、实时数据，按照数据获取途径和方式可分为矿端自动采集数据、矿端人工录入数据和网络爬虫数据。

数据采集层：开发了数据自动采集接口，用于采集瓦斯监控系统和安全隐患排查系统数据；开发了数据录入模块，用于矿端人工录入固有自然属性、矿井布局及采掘条件等数据；按预警指标设定了抓取目标，以便从互联网自动获取宏观技术和经济政策相关数据。同时，根据数据的生产环境、数据结构、数据时效性等特点，分别使用不同的组件采集源数据：使用Sqoop组件将存储在关系型数据库中的瓦斯监测监控、安全隐患排查、区域煤矿固有自然属性、矿井布局及采掘条件等大量的历史数据导入到HDFS中；使用Flume组件将大量不同数据源的日志数据收集、聚合、移动到HDFS中进行存储；使用Spooling Directory Source类型来监控指定目录的数据变更，实时采集文本文件、图形文件以及视频文件等非结构化数据；使用Kafka组件采集不同区域煤矿的不同种类的瓦斯监控系统的实时数据、安全隐患排查系统的实时数据，以及来自互联网的宏观技术和经济政策相关网络爬虫数据。

数据存储层：主要利用分布式文件系统HDFS来存储数据采集层传递的数据和数据分析层计算分析的数据，采用HBase组件存储非结构化和半结构化的数据，采用Hive组件对存储在HDFS中的大规模离线数据集执行查询、统计和分析。

资源管理层：YARN组件是Hadoop集群的通用资源管理器，为数据分析层提供统一的资源管理和调度服务。

数据分析层：根据构建的区域预警指标体系和模型，建立瓦斯灾害区域煤矿安全态势预警算法，使用MapReduce、HiveSQL来查询、统计、计算不同区域不同煤矿的大规模离线数据，使用Spark Streaming、Spark SQL来查询、统计、计算不同区域不同煤矿的实时数据。

数据访问层：负责对数据库进行读写操作，主要包括通用数据访问服务、常规数据查询服务、多维数据查询服务、实时数据查询服务。

软件应用层：预警系统主要包括预警结果发布、预警指标及模型设置、数据查询、区域煤矿管理、系统设置等功能模块，功能结构如图4所示，瓦斯灾害区域安全态势预警系统界面如图5所示，其他层级预警界面通过点击地图向下钻取即可显示。

图4 区域安全态势预警系统功能结构Fig.4 Functional structure of early warning system of regional security situation

5 结论

(1) 根据我国煤矿监管监察行政管理模式，将预警区域划分为全国区域、省(市)级区域、煤监分局管辖区域、地市级行政区域4个区域层级，并根据分级管控的需要将预警划分为蓝色、黄色、橙色、红色4个等级，分别表示风险程度一般、较严重、严重、特别严重，严重程度依次加重。

(2) 从区域煤矿固有自然属性、矿井布局及采掘条件、事故的时空规律、宏观技术和经济政策、矿井重大隐患5个方面建立了瓦斯灾害区域安全态势预警指标体系，并构建了基于层次分析法的预警模型，其层次结构包括目标层、5个准则层和方案层，实现了多指标的融合分析与决策。

图5 瓦斯灾害区域安全态势预警系统界面Fig.5 Interface of early warning system of regional security situation of gas disasters

(3) 设计、开发了基于Hadoop和Spark大数据平台的瓦斯灾害区域安全态势预警系统，包括预警结果发布、预警指标及模型设置、数据查询、区域煤矿管理、系统设置等功能模块，实现了数据的动态采集与存储、综合分析和实时预警。

(4) 下一步需要研究预警指标优化方法及其权重自动确定方法，以实现模型的自动分析和动态更新，同时整个预警技术需要结合工程实际进行应用、完善。