基于Apriori算法的煤自燃影响因素关联挖掘

董轩萌，郭立稳,2，董宪伟,2，王福生,2

(1.华北理工大学 矿业工程学院，河北 唐山 063210；2.河北省矿业开发与安全技术重点实验室，河北 唐山 063210)

在人类社会发展中，煤炭资源起到不可替代的作用，我国幅员辽阔，煤炭资源丰富，开采量稳居世界前列，但在开采过程中隐藏的井下安全问题慢慢显现出来，在20世纪的矿井灾害中，煤自燃火灾成为影响煤矿安全的因素之一，因此众多学者对煤自燃发火机理进行研究，分析煤自燃过程中的宏观、微观因素，但由于煤是一种结构和组成极其复杂的有机岩，所以在了解煤自燃发火的影响因素上，前人做了系统深入的研究，王福生[1]等通过交叉点温度法得到煤自燃倾向性的综合判定指数，并利用灰色关联分析计算煤的各项指标与煤自燃倾向性间的关联程度和关联等级划分；董宪伟[2]等研究了煤自燃阻化过程中的宏观特性与微观结构，和阻化煤样在不同阻化剂及不同条件时的宏观表征参数的变化规律；翟小伟[3]等将水分作为指标对煤的孔隙结构、氧化性和放热性进行综述分析，建立不同含水量对煤自燃影响程度的鉴定准则及评价指标。在前人的研究基础上，该项研究根据煤自燃的多样性，分析煤自燃影响因素，在基于Apriori算法上找出各个因素之间存在的强弱关联性，对煤自燃发火做出预警和预测，为矿井火灾防治提供有效参考。

1 煤自燃机理及影响因素

1.1 煤自燃机理

自17世纪人们开始研究煤自燃，产生了很多学说和理论，英国在工业革命后需要大量煤炭作为能源支撑，因此普洛特最早提出了煤自燃的黄铁矿作用学说，开启了煤自燃机理研究的先河，他认为煤自燃发火的主要原因是煤中黄铁矿和水与氧气反应放热；英国人帕尔特在1921年提出了细菌学说，认为煤在细菌发酵下产生热能，热量聚集就会引发煤自燃；前苏联特龙洛夫在1940年提出酚基学说，煤中的不饱和酚基吸附氧气，相互反应产生热量，最终产生煤发火[4]。

由于技术水平制约，上述学者的学说理论无法对煤自燃的原因做出全面、系统的阐述，所以近代科学家提出的煤氧复合理论被大多数学者接受，煤氧复合理论是由于煤与空气中的氧发生氧化自热反应，在室温下热量聚集无法发散从而引发煤自燃，在热量累积的过程中，具有自燃倾向性的煤就可能会升级为煤自燃，此过程中生成一氧化碳、二氧化碳、烷烃等气体，这种理论能够很好地解释煤自燃过程中化学键断裂和煤氧复合机理。煤的实际自燃过程就是宏观的煤氧复合作用过程，主要表现为4个阶段，第一阶段是当周围温度在70～80 ℃，主要是依靠物理吸附放热，化学吸附放热和化学反应放热3种产热形式，3种产热效应共同加速了总产热；第二阶段是从环境温度在70～80 ℃到煤的水分对煤的氧化产生影响，主要是化学反应产生热量；第三阶段是煤的内在水分作用到开始出现贫氧氧化；第四阶段是贫氧氧化过程[5]。

1.2 煤自燃发火的影响因素

水分对煤自燃的影响主要体现在两方面。一方面是煤的含水量高时会抑制煤自燃，日本人高桑功等通过实验研究得出，当测得温度在80～100 ℃时，煤有明显地吸热脱水过程，所以含水量过高，煤自燃升温越困难。另一方面煤自燃的进行也可能是适量的水分促进催化的结果，张九零[6]等人的实验得出煤与少量的水分接触后会产生湿润热，这种热量促使煤氧化，并且水汽化，水蒸气在煤的发热区周围凝结，产生汽化热，最终形成热反馈。

煤的主要元素是碳元素，并且碳元素的含量是煤的所有元素中最多的，在煤自燃时，碳元素是主要燃烧产物的元素，也是热量的主要来源。对于碳元素越高的煤，含有大量碳元素的芳香族数量就越多，因为芳香环结构稳定难反应，所以煤分子也越稳定，煤自燃难度增大；反之碳元素含量越少，煤就容易发生自燃。

煤中含氧量越高，说明含氧官能团越多，所以煤体越不稳定，容易引发自燃，煤的自燃倾向性也越高[7,8]。

煤的含硫量越低，煤越容易自燃，因为高变质程度的煤主要是环状有机硫，具有高分子量；而低变质程度煤以脂肪族有机硫为主，伴随煤化程度的提高，具有四、五环结构的化合物数量比三环结构的二苯并噻吩数量高，有稳定甲基取代位的含硫化合物不断减少。煤化程度高的煤中大部分有机硫属于噻吩结构，随着煤化程度的提高，煤中噻吩硫的比例增大，其芳构化程度也逐渐提高。煤的分子稳定性越强，越不易氧化自燃[9]。

固定碳是煤中可燃性固体物，是煤在燃烧时产生热量的主要成分，是高分子化合物的混合物，固定碳含量越高，煤变质程度和发热量越高，煤体越不容易自燃。

挥发分是指在一定条件，煤中的有机质加热到某温度下分解产生的一系列可燃气体，多含有一氧化碳、水蒸气、甲烷、乙炔气体等[10]。在较低温度下挥发分的析出，为煤自燃提供热量条件，也使煤体内部孔隙面积增大，使之吸附更多的氧气参与氧化，挥发分越低，煤吸氧量就越少，越不易自燃。

2 Apriori关联算法

要想进行数据挖掘，借助关联规则技术可以解决数据关联性问题。影响力较大的频繁模式挖掘算法，Apriori算法最早是在1993年由Agrawal等人提出的，学者最初是依靠购物篮案例分析，为了找出交易数据库中不同商品之间存在某联系规则提出的[11]。该算法的原理在于，每次重复扫描数据库，都会筛选淘汰关联性弱的项集，在这个过程中，利用用户所定的最小支持度(mini support)和最小置信度(mini confidence)划定筛选条件，获得频繁项集，找到强关联规则的存在项集。各项的支持度与置信度的算法定义如下: support(A⟹B)=P(A∪B)=count(A∪B)/(count(|T|))；confidence(A⟹B)=P(B|A)count(A∪B)/count(A)，在这种关联算法中，找到频繁项集的前提是所有统计项集的支持度计数不得小于定义计数，循环处理到没有最大项目集为止[12]。选择Apriori算法的优点主要在于使用Apriori性质来生产候选项集的方法，大大压缩了频繁集的大小，取得了很好的性能。

3数据分析及防治

3.1 Apriori算法分析过程

通过数据收集，得到某矿在某时段内的各项数据见表1。

表1 参数影响变化表

将表1中参数进行编号，A表示水分含量，B表示含碳量，C表示含氧量，D表示含硫量，E代表固定碳，F代表挥发分。不同时段煤的自燃参数表示为Ai、Bi、Ci、Di、Ei、Fi，以煤的自燃倾向性综合判定指数为参考标准，在同时段内煤的自燃参数变化情况见表2。

表2 同时段煤自燃因素变化表

第1次算法迭代，每一项都是项集集合C1的成员，通过算法扫描，得到每一项出现的支持度，同时令mini support=2，确定集合L1。如表3所示。进行第2次算法迭代，剪枝计算得到L2，如表4所示。

表3 集合L1

表4 集合L2

第3次算法迭代，C3=L2∞L2，对C3剪枝得到L3，如表5。第4次算法迭代，剪枝计算后得到最高关联度结果，见表6。

表5 集合L3

表6 集合L4

明显看出，经过4次Apriori迭代计算得到项集{A，C，E，F}是频繁项集，在8次煤的自燃因素变化监测中，煤的水分含量、含氧量、固定碳和挥发分是出现频率最高的关联关系。因此在煤自燃防治中，值得特别注意的是煤的水分含量、含氧量、固定碳和挥发分4种参数的相互影响。

3.2 30%的支持度关联规则

计算项集支持度，筛选2个单项集以上的项集，支持度大于30%项集统计见表7。

表7 30%的支持度项集

支持度最高的项集为{A，C}和{A，F}，两者同时发生的概率都为62.5%，表示在煤自燃的过程中，水分含量与含氧量、挥发分在自燃前和自燃后的差别最明显，是符合强关联规则的高频项目组；支持度为50.00%的项集为{水分含量，含氧量，挥发分}，{水分含量，固定碳}和{含氧量，挥发分}，它们是与煤自燃的关联性较强的高频组合，不是影响煤自燃的中心因素但是主要因素，对煤自燃的影响不容忽视；支持度为37.50%的项集是{A，E，F}和{E，F}，其中固定碳和挥发分与煤自燃有关联关系，而挥发分和固定碳是根据煤的变质程度决定的，所以对于部分煤来说，挥发分和固定碳含量是影响煤自燃的主要原因，而对于某些煤来说，则不作为主要影响因子，重要性也不可忽略。

3.3 煤自燃的Apriori算法优势

通过计算分析频繁项集、支持度等内容，Apriori算法在煤自燃防治和预警上的应用行之有效，其最大优势在于煤自燃火灾的多因素和复杂性能够与Apriori的算法有效结合，能够提前预测危险做出较为准确的判断，压缩了项目频繁项集的大小并提升综合关联性能，虽然在处理数据上，技术人员需要根据不同的煤自燃发火做出相应的参数变化，但是为达到更好的预测效果，这种工作量的增加是不应作为Apriori算法缺陷的[13]。

4结论

(1)在煤自燃发火的众多影响因素中，水分含量对煤自燃的影响具有两面性，碳含量与煤的自燃倾向呈正相关，煤的含氧量越高、含硫量越低越容易发生自燃，固定碳含量越高，挥发分越低，煤越不易自燃。

(2)利用经典Apriori算法对煤自燃的6个安全性参数进行计算分析和关联关系挖掘，在用户定义最小支持度计数为2时，得到频繁项集{A，C，E，F}，即水分含量、含氧量、固定碳和挥发分具有强关联关系，重点进行煤自燃本质因素挖掘，对煤自燃的预测提供数据支撑。

(3)计算煤自燃参数的支持度，选择支持度在30%以上的高频项目组进行关联关系分析，提高煤自燃发火预警和防治的准确性和普适性，得出水分含量、含氧量和挥发分之间是强关联规则的高频项目组。自燃发火指标与Apriori算法的结合，使之在预警和防治上有了更为准确的判断，使频繁项集纵向缩减，将指标间的横向比较客观化，做到精准预测。