基于动态数据驱动的煤矿瓦斯异常涌出风险预警系统设计*

张巨峰，施式亮，邵淑珍，游 波，吴芳华，张立志

(1.湖南科技大学 资源环境与安全工程学院，湖南 湘潭 411201；2.陇东学院 能源工程学院，甘肃 庆阳 745000)

0 引言

煤炭是我国的基础能源，据专家预测，到2030年和2050年，我国煤炭产能仍分别能达到40，34亿t[1]，因此，今后相当长时期内煤炭在我国能源消费结构的主体地位不会改变。随着我国浅部煤炭资源枯竭，许多矿井已开始进入深部开采[2]，地应力和瓦斯压力不断加大，低瓦斯矿井瓦斯涌出量增大甚至具有突出危险性，致使煤炭开采过程中经常伴随瓦斯异常涌出现象发生，灾害风险愈加增大，煤矿安全生产形势愈加严峻[3]。建国以来，我国发生的182起重特大煤矿事故中，瓦斯爆炸事故106起，占总数的58%，因瓦斯异常涌出导致的爆炸事故62起，占总数的34%[4]，其中最为严重的当属2005年发生在阜新孙家湾煤矿的“2·14”瓦斯爆炸事故，214人死亡，直接原因是冲击地压导致3316风道大量瓦斯异常涌出，瓦斯积聚引发瓦斯爆炸[5]。瓦斯异常涌出对煤矿安全生产造成了严重威胁，因此，瓦斯异常涌出风险预警对于保障煤矿安全生产具有重要意义。

近些年来，随着现代传感、自动控制、信息处理等技术的发展和新工艺、新方法的应用，矿井安全监测监控正向智能化方向发展[6-9]，瓦斯异常涌出风险预警也取得了丰硕成果。肖丹等[10]通过对瓦斯异常涌出致灾因素识别，基于灰色理论建立了瓦斯异常涌出灰色预测预警模型，预测结果与实测结果基本一致；王菲茵等[11-12]通过分析掘进工作面瓦斯异常涌出后浓度变化图像的特征，建立了基于Relief F-维度区间-支持向量机的图像识别模型，通过识别瓦斯图像反映了瓦斯异常涌出的危险程度；张言辉[13]应用数据挖掘算法分析了瓦斯涌出的异常状态曲线特征，并结合小波阈值去噪方法，构建了基于小波阈值去噪的突出危险工作面瓦斯涌出分级识别预警模型；马丽娟[14]根据瓦斯浓度的变化率指标，应用模糊数学原理及模式识别技术构建危险识别预测模型，并采用Fishe判别法确定危险临界值，动态预测了不同区域的危险程度；杨艳国等[15]应用Shapiro-Wilk和Lilliefors联合正态检验法挖掘瓦斯浓度时间序列的分布特征，进行工作面瓦斯异常涌出识别和实时预警，这些研究成果均依靠系统的风险识别和预警模型，在可靠性和预警精度方面都有较大提高，但这些研究均过度依赖于系统模型，不能随着监测数据的增加而实时修正和动态更新，无法满足井下复杂环境条件下瓦斯异常涌出动态预警的要求。

本文拟基于动态数据驱动技术强大的信息处理和问题求解范式，搭建瓦斯异常涌出预警体系架构，分析瓦斯异常涌出预警系统的关键技术，设计、研发瓦斯异常涌出预警系统，以便实现煤矿瓦斯异常涌出风险预警结果的实时调整，使预测预报结果更加贴合实际。

1 动态数据驱动技术

动态数据驱动[16](Dynamic Data Driven，DDD)技术源于计算机领域，在灾害风险识别和实时在线监测预警方面具有一定的优越性，提供了1种强大的信息处理和问题求解范式，以数据库中的海量数据为导向，结合实时过程跟踪数据，快速提取大量数据中能反应研究目标的关键信息，实现基于动态数据变化的需求分析、决策支持，实现数据驱动系统功能模块，可通过大量历史的、实时监测的数据处理与分析，提取海量信息中的有用数据，实现预定功能模块控制技术，将仿真系统和实际系统有机结合，实现仿真系统与实际系统动态响应与动态控制的功能，并实时反馈校正，使模型分析结果更加准确、可靠。

动态数据驱动技术以实时监测数据为依据，通过服务流引擎技术(Web Service)，将所有相关影响因素联系起来，形成一个完整的动态数据获取与分析体，组合Web Service，为分散的Web服务，通过调整组合形式，保障信息安全，形成服务协议。服务流引擎主要集中在服务组合、配置等信息设计阶段和服务流管理、日志分析及修正完善的运行阶段[17-18]。

动态数据驱动是通过实测数据和仿真系统间的动态反馈修正模型，一方面，把原始数据导入仿真系统，得出数据的预测特征；另一方面，将仿真系统得出的预测结果与原始系统的实际结果进行动态调整、修正，适应现场环境变化，使动态数据驱动系统与实际测量系统形成共生反馈，基本思路如图1所示。

图1 动态数据驱动应用思路流程Fig.1 Flow chart for application ideas of dynamic data-driven

2 瓦斯异常涌出预警体系架构

煤矿瓦斯异常涌出是1个多因素耦合的复杂问题，涉及地质赋存条件致灾作用机制、能量场时空演化及多因素耦合、采动扰动影响等[19-20]，在预警和控制方面，涉及瓦斯异常涌出记忆储存、识别、响应应答、执行控制等协同运行机制。

在全面调研、收集、综合分析瓦斯异常涌出资料的基础上，研究瓦斯异常诱发因素的互为影响、动态变化和关联特征，揭示异常涌出孕育演化过程及诱灾变量间的时空演化机制；研究多物理场灾变风险信息规范化采集机制和传感、传输、解析及协同运行模式；基于瓦斯异常涌出风险演化机制以及涌出行为指标关联特征，探究诱发因素数据信息的内在关联性，搭建基于推理关系的风险指标共用快速关联分析模型与数据快速挖掘算法，建立融合多源信息的瓦斯异常涌出风险早期识别模型。根据风险早期识别模型以及辨识结果，推算瓦斯异常涌出目标数据出现的概率，建立基于中等概率筛选统计的瓦斯异常涌出风险预警训练集和测试集，探索瓦斯异常涌出行为模拟系统网络拓扑结构，设计反演模拟系统内诱发因素信息的数据关联、融合、管理、智能分析等子系统，设计瓦斯异常涌出预警指标数据归一化处理方法和关键预警模型参数，建立风险预警模型，揭示预警机制，基本原理如图2所示。

图2 矿井瓦斯异常涌出风险预警应用原理Fig.2 Application principle of early warning on abnormal gas emission risk in mine

为此，运用动态数据驱动范式搭建基于动态数据驱动的煤矿瓦斯异常涌出监测预警体系架构(图3)。具体思路为：首先，基于煤矿井下作业空间诱发瓦斯异常涌出多因素特征参数及区域多源瓦斯监测数据，构建瓦斯异常涌出表征特征库、预警数据库和模型库，并集成历史的瓦斯异常涌出监测数据分析，对瓦斯异常涌出的不同程度及趋势建模分析与预警，最后结合实时监测数据对预警模型参数进行修正，使预警结果更为真实。另外，煤矿各级应急管理部门对瓦斯异常涌出应急指挥中，依靠预警系统的初步预警结果，对瓦斯涌出监测点的选取与布局进行优化，进而构建瓦斯涌出灾害演化过程及监测曲线的动态变化与灾害发展过程之间的信息反馈与自动校正机制。

图3 动态数据驱动的瓦斯异常涌出监测预警体系架构Fig.3 Architecture of monitoring and early warning system of abnormal gas emission based on dynamic data-driven

3 瓦斯异常涌出预警系统关键技术

在基于动态数据驱动的瓦斯异常涌出风险预警体系架构的基础上，预警系统需要解决动态数据驱动的瓦斯涌出监测曲线拟合、动态预警模型修正、预警系统研发等关键技术问题，以便实现瓦斯异常涌出监测数据的快速处理与曲线绘制和拟合，预警模型的实时更新和动态修正，以及监测预警任务的执行和调度管理工作。

3.1 动态数据驱动的瓦斯监测曲线拟合

瓦斯监测曲线是瓦斯涌出最直接反应，但煤矿井下环境复杂，电气设备众多，产生的电磁辐射可能对监测数据产生干扰，造成监测数据失真，监测曲线错误。因此，通过误差剔除、插值法等时序列处理方法对瓦斯监测数据进行清洗与分析；借助统计分析、数据清洗与过滤等手段拟合历史监测数据趋势，并结合实时数据进行模型动态修正，稳定、精确地划分瓦斯涌出等级，为瓦斯异常涌出精确预警。

3.2 动态数据驱动的瓦斯涌出模型修正

瓦斯异常涌出受多种地质因素和开采因素影响，具有明显的不确定性。瓦斯异常涌出演化及发展趋势隐蔽、复杂，在风险预警时，预测模型或算法结果与实际瓦斯涌出变化过程存在一定差异，常常产生误差。因此，为了提高预警精度，减小这种误差，必须对瓦斯监测数据进行实时运算，动态修正预测模型，使瓦斯异常涌出预警结果更贴近实际的发生情况。

3.3 预警系统研发技术

基于动态数据驱动的瓦斯异常涌出预警系统架构，在动态数据驱动的瓦斯涌出监测曲线拟合与瓦斯预警模型实时动态反馈、修正等基础上，应用Web技术、数据库技术、信息系统技术等，开发动态数据驱动的瓦斯异常涌出实时监测预警系统，进行瓦斯异常涌出实时监测预警任务的执行和调度管理工作。

4 瓦斯异常涌出预警系统设计与研发

煤矿瓦斯异常涌出之前会出现一些前兆，预警系统就向相关机构或部门发出紧急信号，提示可能发生的危险，避免不知情的情况下造成重大损失。瓦斯异常涌出实时在线监测预警是以瓦斯涌出动态监测数据处理与分析、预警模型构建以及动态数据驱动的实时监测数据与模型服务流为基础的分析与处理。因此，通过瓦斯异常涌出预警系统架构设计，结合动态监测数据处理与分析，实现煤矿瓦斯异常涌出动态在线监测预警。

基于动态数据驱动的瓦斯异常涌出预警系统主要是依据煤矿瓦斯监测设备、环境状态监测信息以及其他关联信息，基于服务流引擎与动态数据驱动等关键技术，应用物联网、数据传感技术进行实时监测数据的采集、传输，从大量异构性瓦斯数据中挖掘有益信息，构建瓦斯异常涌出风险模型，结合实时瓦斯涌出数据，进行风险动态识别和预警，瓦斯异常涌出风险在线预警系统如图4所示，共分为7个模块，分别为数据处理中心、数据监测模块、信息采集模块、网络通讯模块、数据库、授权系统和业务操作模块，各个模块的数据信息相互共享，功能相互协调，共同实现在线预警系统的协同运作，提高瓦斯异常涌出风险的预警准确性和实时性，具体见表1。

图4 瓦斯异常涌出在线预警系统Fig.4 Online early warning system of abnormal gas emission

表1 瓦斯异常涌出在线监测预警系统Table 1 Online monitoring and early warning system of abnormal gas emission

基于动态数据驱动的煤矿瓦斯异常涌出的准确预警主要在于动态数据驱动技术的强大数据处理和分析能力，其数据处理系统的主要功能板块分为：数据管理、数据处理、实时数据、数据显示等，如图5所示。

图5 瓦斯异常涌出数据处理系统Fig.5 Data processing system of abnormal gas emission

实时数据板块是将各传感监测的数据同步传输到预警系统的数据库。用户通过设置时间间隔和其他相应参数实时监测所需瓦斯涌出数据变化，并以JSON串的形式将新增数据发送到服务端，存入数据库，并生成系统运行状态日志。

监测数据处理板块，是基于源数据库和实时监测数据库，通过预测模型构建、模型修正和模型验证的程序实现监测数据的处理与分析，绘制预测曲线图表，以便用户分析。

煤矿瓦斯异常涌出风险监测预警系统通过WCF数据服务的方式实现了瓦斯涌出监测数据同步、无效瓦斯数据清洗的功能。客户端构建了显示设置模块，实现瓦斯涌出数据动态显示功能。瓦斯异常涌出实时监测数据的处理与分析是准确预警的关键，主要涉及瓦斯监测数据动态处理、瓦斯涌出曲线绘制、瓦斯预警模型动态修正以及数据服务流设计与实现等。瓦斯异常涌出监测预警系统主要功能包括瓦斯涌出实时数据集成模块、瓦斯涌出数据动态处理与分析模块、瓦斯涌出预警模型调用、瓦斯预警实时数据与报警模块，如图6所示。

图6 基于动态数据驱动的瓦斯异常涌出风险预警系统Fig.6 Early warning system of abnormal gas emission risk based on dynamic data-driven

5 结论

1)基于动态数据驱动技术搭建瓦斯异常涌出风险预警系统应用架构，核心问题是瓦斯异常涌出数据深度挖掘和处理。

2)动态数据驱动的瓦斯异常涌出预警不过度依赖系统的预测模型，基于动态数据驱动的瓦斯异常涌出风险预警系统应解决瓦斯监测曲线拟合、瓦斯动态涌出模型选择和修正、预警系统研发等关键性技术。

3)应用服务流引擎技术研发基于动态数据驱动的煤矿瓦斯异常涌出风险预警系统，可煤矿瓦斯灾害防治提供帮助。