煤矿安全态势感知预测系统设计及关键技术

李 爽，李丁炜，犹梦洁

（1.中国矿业大学 管理学院，江苏 徐州221008；2.中国矿业大学 安全科学与应急管理研究中心，江苏 徐州 221008）

根据国家煤矿安监局网站信息显示，2015 年到2018 年我国共发生煤矿生产重大事故20 起，共造成288 人死亡，煤矿安全生产形势依然严峻。国内外学者对煤矿安全生产预控工作开展了大量研究，构建了应用人工智能技术的煤矿瓦斯突出、冲击地压、地板水灾等灾害的预测系统[1-3]，并将卷积神经网络和自动编码器等深度学习模型应用于健康预警、设备预警和环境预警[4-6]。但目前的煤矿安全生产预控系统仍存在缺陷：风险预测预警方法相对分散和独立，处理的风险与数据类型较少，无法保证预警的准确度；在风险处于产生的临界点或已经产生时进行报警，无法真正实现风险预控；全面系统的安全生产风险智能预警平台尚未建立等。为了实现煤矿风险的预控，需要全面掌握煤矿在某一时间各项风险发生的分布情况及其对煤矿整体安全的影响程度。安全态势感知（security situation awareness，SSA）是通过智能技术从时间和空间维度来提取所有与安全相关的因素，对其进行分析理解来感知整体的安全状态并对未来的安全状态进行预测[7],在航空和军事、电网、计算机网络、医学研究[8-10]等领域有较多的研究。将SSA 的概念引入到煤矿安全生产中，从而构建智能感知、风险动态评估与智能预警一体化的矿山安全态势感知系统。

1 煤矿安全态势感知系统

煤矿安全态势的评估因素着眼于某一时间、空间内各种风险产生的可能性。其基本流程为：通过对煤矿事故因素动态变化、内外部因素相互作用的分析，总结对煤矿存在潜在威胁的内容，提取煤矿安全态势要素；探究多因素作用下的煤矿事故诱发机理，分析识别煤矿风险源头及其影响，并建立态势分析模型；通过态势分析模型识别已经获取的煤矿数据中所隐含的风险源对煤矿安全态势的影响，评估煤矿系统中存在的潜在威胁，以从全局视角提升煤矿对安全威胁的识别、分析、响应能力。

现有的煤矿安全监控和报警系统核心思想在于当风险处于产生的临界点或已经产生时，通过实时的数据监控和报警功能及时发现并控制风险。区别于此，煤矿安全态势预测的目的在于，在煤矿进入风险状态之前，对影响煤矿风险的主要因素的变化趋势进行分析预测，在对未来节点这些数据的预测的基础上评估该未来节点风险产生的可能性。基于这种目的，需要构建适应于度量煤矿安全风险态势的预测模型，分析预测煤矿内风险产生可能性的变化趋势，并动态生成煤矿安全风险态势图，以支持系统对于风险的提前识别和预警。

1.1 系统整体架构

煤矿安全态势感知系统主要由物联网信息收集云平台数据管理、煤矿安全态势预测模型、信息可视化平台、预警通知4 个部分组成，煤矿安全态势感知系统技术架构图如图1。系统利用基于物联网的信息收集云平台获取煤矿实时监测数据和非实时隐患排查数据，依据安全态势预测指标体系构建安全态势预测模型，对监测数据进行挖掘和分析，进而得出安全态势预测结论；通过可视化平台将态势预测结果可视化展现，并经由预警通知模块通知相关的风险负责人。

图1 煤矿安全态势感知系统技术架构图Fig.1 Technical architecture diagram of coal mine safety situational awareness system

1.2 物联网信息收集云平台数据管理

物联网是互联网、传统电信网等信息承载体，让所有能行使独立功能的普通物体实现互联互通的网络。物联网及其信息处理、存储云平台是基于大数据的煤矿安全态势预测系统的起点。为实现对煤矿整体安全态势的评估预测和及时预警，需要对煤矿实时与非实时安全监测数据进行收集和分析。基于物联网技术，通过煤矿监测传感器收集海量的煤矿实时与非实时监测数据并将其上传至计算云平台。计算云平台通过对大数据的挖掘处理，提取并为煤矿安全态势感知系统提供其所需指标的数据，以进行煤矿的安全态势分析和风险预测。

物联网通过监测传感器收集煤矿监测数据，上传至云平台分析处理。煤矿安全态势感知系统通过云平台数据管理模块借助云平台提供的数据接口实现云平台与系统的数据交流，以实现应用于安全态势预测的煤矿监测数据的下载，以及煤矿预测预警结果的上传。实现煤矿安全数据集约化、网络化远程管理，充分发挥物联网及云技术在煤矿安全态势预测中的作用。物联网信息收集云平台数据管理主要包括物联网数据获取以及本地数据上传2 部分。

1.3 煤矿安全态势预测模型

煤矿安全态势预测模型为系统的核心部分，在构建安全态势预测模型的基础上对煤矿整体安全态势进行分析和预测，以实现对煤矿可能风险的预先知悉、评估和诊断，为煤矿安全建设提供依据。并将过往、当前以及未来时间节点和安全态势评估综合，形成一个体现对煤矿风险的总体评估的安全态势走向图，以及各项风险产生可能性变化趋势图，通过信息可视化平台展现给使用者。在安全态势预测模型的评估结果中，如果未来时间节点某一区块存在某种风险，系统将对风险进行预警，并通过通知模块告知相关负责人。

1.4 信息可视化平台

信息可视化平台是系统与使用者交互的接口，将管理者在煤矿生产管理中所要的各种信息（煤矿安全态势预测结果、煤矿风险预测结果、煤矿作业信息、系统管理信息）等内容进行综合可视化展现。

1）煤矿作业信息展现。模块将煤矿作业信息以图表的形式展示给矿区负责人，并支持其对作业信息的新增和更改。矿区需要进行作业时，负责人创建作业信息，系统通过信息通知模块通知相应矿区的负责人以协调工作。同时模块还会协调安全态势预测模块，在作业期间停止对作业所影响的风险指标进行预测预警。

2）系统管理信息展现。模块将系统用户、用户权限、系统参数设定、相关负责人设定、煤矿区块划分、预测预警指标体系、安全态势模型参数等系统管理信息展示给系统管理者，并持支其对各项参数的修改。同时对后台管理模块的一切操作进行记录，以便后续的审计工作开展。

1.5 预警通知

当作业人员发布新的作业后，模块根据作业信息中的作业位置，及时告知后台管理模块负责人管理中所设定的改作业区块的负责人，以便区块负责人协调工作。当煤矿处于风险状态并进行风险预警后，模块立即通知存在风险隐患的区块的负责人，同时通知诸如煤矿矿长等管理人员。信息通知方式采用短信通知、邮件通知、系统手机客户端多种方式并行通知。

2 煤矿安全态势预测模型方案

煤矿安全态势预测模型的建立包括2 个部分，安全态势预测指标体系和安全态势预测模型。指标体系的建立基于对煤矿事故记录的分析以提取煤矿风险影响因子，并通过贝叶斯网络（Bayesian Network，BN）提取事故致因链以区分多级指标。预测模型的建立基于粗糙集理论（Rough Set, RS）和支持向量机（Support Vector Machine, SVM）的结合应用，通过机器学习的方式对各项风险直接影响因素进行一级预测，并根据贝叶斯网络模型对风险发生的可能性进行二级预测，以实现煤矿安全态势的预测和风险的预警。

2.1 预处理阶段

预处理阶段的目的是明确煤矿存在的风险，确定进行煤矿安全态势预测所需要监测获得的数据。系统依据全国煤矿事故数据提取出5 个主要煤矿事故：瓦斯、顶板、运输、水灾以及机电事故,以及会导致各项煤矿事故的危险源，并结合专家经验习构建贝叶斯网络结构。通过贝叶斯网络图可以得到各项事故的致因链以及各个节点的概率分布。依据事故致因链，可以进一步区分导致事故的直接因素也即一级指标，以及间接因素也即多级指标。具体流程如下：①根据全国煤矿安全事故记录或地区煤矿安全事故提取出煤矿主要风险及危险源，并对事故样本进行参数学习和结构学习，生成贝叶斯网络；②地区煤矿专家根据经验调整概率网络图，分析获得各风险的致因链以及各节点概率；③根据贝叶斯网络概率图和风险致因链，区分影响煤矿风险的一级指标和多级指标，并得到风险二级预测模型，用于后续的安全态势预测；④根据物联网收集的监测数据动态调整概率网络，逐渐得到最适应地区煤矿的指标体系及概率分布。以煤矿瓦斯事故为例实施预处理阶段，以2000 年至2018 年间全国瓦斯事故为样本，总结并归纳事故原因，构建瓦斯事故的贝叶斯网络结构。根据贝叶斯网络结构提取以下信息。

2.1.1 多级指标体系

由贝叶斯网络结构分析得知，会导致瓦斯事故风险的直接因素有明火、电器失爆、瓦斯积聚3 项，称一级指标，记为FWi0对瓦斯事故各条一级指标致因链进行分析，确认对一级指标存在直接或间接影响的因素，称多级指标，记为MWi0一级指标明火FW1，对应的多级指标为：安全培训不到位MW11、安全执行能力弱MW12、技术管理不到位MW13、矿工安全意识低MW14、摩擦撞击MW15、“三违”行为MW16共6 项。一级指标电器失爆FW2，对应的多级指标为MW11、MW12、MW13、MW14、MW16、设备老化MW17等6 项。一级指标瓦斯积聚FW3，对应的多级指标为MW13、通风系统混乱MW18、瓦斯监控系统故障MW19、瓦斯涌出MW110等4 项。

2.1.2 风险二级预测模型

对于t 时刻瓦斯事故风险，该时刻此风险对应的一级指标样本取值集合为FW＝f＝｛FW1＝f1，FW2＝f2，FW3＝f3，预测在FW＝f 条件下该时刻瓦斯事故风险的后验概率，以此评估该时刻PW＝Y 的可能性, 其中PW＝Y 表示瓦斯风险PW发生。概率模型计算公式为：

一级指标与其对应多级指标处于同一致因链，两者之间存在一定程度的联系。但由于该预处理阶段通过全国历史事故数据学习与专家经验结合构建贝叶斯网络，据此考察实际煤矿的两者之间的映射关系存在局限性，因此系统将煤矿风险预测分为2级，在预处理阶段并不进一步探究两者间的联系。

2.2 数据处理阶段

数据处理阶段将来自云平台的实时数据和非实时数据作为输入，并进行过滤、融合及精简处理。

1）数据过滤的目的是剔除不符合约束要求的数据，数据过滤将剔除监测数据中因各种原因导致的如明显数据异常、错误格式数据等错误数据，并通过RS 理论对缺失数据进行补完。

2）数据精简的目的是通过RS 理论在数据分析的基础上剔除对事故风险影响可以忽略的指标，从而减少SVM 模型的训练时间，降低其复杂程度。

3）数据合并的目的是将同一监测区域的多个同类监测数据进行合并处理，以精确定位风险区域并减少风险分析中的重复计算。合并策略是风险最大估计策略，即在一个小范围的检测区域内，同类型的监测数据取其中最坏的结果，以避免风险漏报的可能性。具体流程为：取最差值：一个煤矿区块同一项监测指标的全部传感器取值集合为Vw={V1，V2，V3，…，Vw}，对这组数据正向化处理并取最小值min（Vw）。归一化处理：对全部监测数据归一化，采用最大最小标准化法，以进行一级指标预测阶段SVM 模型的训练。数据合并同时对非实时数据进行实时归类，依据专家意见为非实时数据设定的效应时间t，当一个非实时数据上传至系统后，在其发生时间后的t 时间内，将其视为实时数据用于态势预测。

2.3 风险预测阶段

一级指标预测阶段实现对煤矿风险可能性的预测。实际场合中，地区煤矿的事故数据较难获得，将全国历史数据用于地方煤矿建模适用程度有限；而人为设定的煤矿风险评估值较主观，缺乏公信力。为此，系统将风险预测中的预测阶段分为2 级。

1）一级预测。通过构建一级指标与其对应的多级指标间的SVM 一级预测模型对一级指标进行预测。相比于难以获得的煤矿事故数据，煤矿内一级指标和多级指标数据在监测物联网的支持下是可以精确获取的，以多级指标为输入自变量，对应下一时间节点的一级指标为输入因变量构建一级指标的预测模型。系统采用RBF 核函数作为SVM 模型的特征函数，核函数参数g 和错误惩罚因子C 根据煤矿具体情况和专家意见确定。

2）二级预测。根据各项风险对应的一级指标预测结果通过贝叶斯网络风险二级预测模型评估此未来时间节点风险产生的可能性。风险可能性预测后，据此对风险进行分级，以评估其对煤矿整体安全态势的影响，风险分级见表1。同时，为了满足煤矿具体至某一区块的报警需求，需要在风险预测阶段识别风险发生区域，此阶段对煤矿中所有区块进行单独的风险预测。

表1 安全态势影响的风险等级Table 1 Risk level of security situation impact

2.4 态势评估阶段

煤矿安全态势就是煤矿在某一时间节点内各项风险发生的分布情况及其对煤矿整体安全的影响程度,与时间变化、空间分布存在关系，并且表现为风险的严重程度和影响范围。对于某一时刻煤矿整体的安全态势，需要对此时刻所有风险的影响进行计算和累加得到反应煤矿安全状态的态势值。

t 时刻风险N 对于煤矿整体安全的影响以安全态势评估值SN（t）表示，计算公式为：

式中：P 为风险可能性；L 为风险等级；T 为风险告警时间；S 为风险影响范围；M 为该风险所有可能存在的区域的数量。

T 默认值为1，当某一区块预测风险存在并预警后，未及时解除风险状态，至下一时刻该区块该风险仍然存在，则T 值加1。

对于煤矿整体安全态势，需要考虑所有评估维度的影响。煤矿整体安全态势评估值S（t）计算为：

式中：N 为主要风险的数量，N=5；Wi为根据煤矿实际情况参考专家经验为各项风险设定的权重。

对于单项风险或是煤矿整体的安全态势评估值，当评估值为0 时，煤矿所有区块都不存在风险。当评估值不为0 时，表明煤矿内存在风险，并且值越大，风险可能性越高、风险影响时间与范围越广或是存在的风险越多。

3 实例分析

安全态势预测建模数据来源于山西长治霍尔辛赫试点煤矿物联网建设，鉴于该项目建设尚未全部完成，无法提供完整的监测数据，仅以瓦斯风险为例，从瓦斯风险这1 单一维度对该矿进行安全态势预测。样本数据为30 min 上传1 次的监测数据，共计48 组样本。使用36 组数据作为训练集构建预测模型，12 组数据作为测试集对试点煤矿进行瓦斯风险预测以及态势评估结果见表2。由结果可知，在监测时间内，虽然由于短暂出现火源和瓦斯浓度提升导致瓦斯风险可能性上升，但提升幅度较小，仍处于无风险范围内。由于监测时间内样本区块始终处于无风险状态，瓦斯风险安全态势评估值始终为0，证明在监测时间段内样本区块瓦斯单项风险的安全态势处于良好的状态，这与样本区块在该时间段未产生瓦斯风险这一事实相符。这一阶段内区块瓦斯风险态势评估值变化曲线是一条取值始终为0 的线段。

表2 瓦斯风险预测Table 2 Gas risk forecast

4 结 语

将安全态势感知的概念引入煤矿安全领域之中，评估各时间节点内煤矿风险发生的分布情况及其对煤矿整体安全的影响程度，以实现在风险产生前预测风险的到来并提前识别风险、消除风险的目的。同时提出了一种基于煤矿风险维度的煤矿整体安全态势评价方法，以煤矿安全态势走向图的形式为煤矿管理者提供一种极其直观简明了解煤矿整体安全情况的方法，并在此基础上构建了集智能感知、风险动态评估与智能预警于一体化的矿山安全态势感知系统，以实现煤矿安全管理的定量化、自动化、智能化，为管理者进行管理决策提供相当程度的支持。