大数据技术在煤矿安全生产运营管理中的应用探索

马见强

【摘  要】目前對煤矿生产技术、与煤矿相关的业务管理、煤矿生产综合自动化以及相关的监控监测技术等大量数据的处理还是沿用传统的统计技术。基于此，本文着重研究利用大数据技术建立煤矿安全辅助生产管理模型的方法，统一管理煤矿生产作业中产生的海量数据，并对海量数据进行进一步深度挖掘，为煤矿安全生产运营中使用大数据技术奠定了理论基础。

【关键词】大数据技术;煤矿;安全生产

引言

随着煤矿安全监测技术和煤矿生产作业自动化技术的长足进步，煤矿的安全生已经得到了行之有效的保障。伴随着煤矿生产自动信息化水平的提高，类似于监测数据、安全生产管理信息等多种类、海量数据还是沿用着传统的统计汇报制度，各个种类数据之间的关系没有被深度挖掘，失去了数据关联给安全管理带来的大好益处。通过大数据建立的生产灾害预警模型可以为煤矿安全生产的领导者提供决策依据，继而提出更好的解决措施。

1.大数据背景下的安全生产管理特征

分布式储存和计算与生产相关的结构数据和非结构数据，提取研究对象特征，并利用归一或清洗等数学手段处理特征数据，将处理后的特征数据依靠计算机相关算法建立对应的数学模型，通过模型去探寻研究对象和研究对象特征之间内在联系，继而尽可能科学合理的预测研究对象未来的发展方向，这就是大数据管理的基本内涵。那些信息体量大、种类繁多、信息产出频率较大且价值量不是很高的数据是大数据主要处理的对象，煤矿企业产生的数据特点如下：

（1）体量巨大。大量的监测、设备运转、图形以及相关处理措施的文档等数据随着煤矿的生产不断产生，由于煤矿生产系统较其他行业复杂，所以产生的数据体量更为庞大。拿一个规模适中的煤矿企业来说，一天之内产生的安全监测数据就达到了1.024×104MB，将一个中型煤矿企业的机电设计、监测工作面采掘通风、巷道工程设计文件中所有图形压缩后还有大约1.024×105MB之多。这仅仅是一年产生的数据，那么煤炭企业生产经营了十年或者更久的数据量有多大，可想而知。传统的处理方法根本没有能力保存体量如此巨大的数据，所有煤炭企业几乎都是采用定期删除所有生产数据，这其中包括那些具有极大分析价值的安全数据，这给煤炭企业带来了巨大损失。

（2）种类繁多。煤矿生产过程中产生的数据种类繁多，大致可以归为三类。第一类是结构化数据，第二类是半结构化数据，第三类是非结构化数据。如安全监测、人员定位、煤炭产量、生产过程采用的自动化机械设备运行等数据属于第一类;如采掘工作面的监控视频等属于第二类;现场煤矿生产的应急预案等属于第三类。

（3）价值密度低。例如煤矿井下作业的安全数据大多数时候不会发生较大波动，该结构数据主要是以时间序列为主的稳定状态数据，对其分析的意义和价值并不大，涉及到煤矿生产事故或煤矿灾害的异常数据占比却很小;与此同时，非结构数据虽然占比较大，但是其中不乏分析价值较低的非结构数据，所以煤矿生产产生的大体量数据中存有大量无分析价值的数据。

（4）产生速度快。随着科学技术和自动化技术的不断进步，无论是安全监测系统还是煤矿生产管理系统基本都实现了高度自动化，可以确保煤矿生产作业全天候进行，这是煤矿生产作业产生数据快的根本原因。

2.煤矿生产大数据框架的建设

煤矿生产产生的数据符合大数据的基本特征，所以与煤矿生产有关数据的分析和挖掘可以利用大数据技术来完成，通过大数据技术的应用，可以科学诊断出煤矿生产过程中存在的安全隐患以及重大灾害发生的可能性。关于煤矿生产企业的特点、煤矿企业大数据的梳理分析以及预测影响煤矿生产的安全隐患的计算需求，最终确定煤矿生产大数据框架建设需要3个层次的技术框架。第一个层次是存儲层、第二个层次是框架层、第三个层次是服务层。

3.关于煤矿安全生产管理方面的大数据模型

3.1专家知识库

整理煤矿行业内相关规章制度和与煤矿安全生产有关的理论知识，继而为煤矿生产大数据计算提供规则支撑的过程就是煤矿企业构建安全生产专家库的过程。其构建基本流程如下：流程建设大框架是先建设煤矿生产安全知识体系，在通过相对应的知识表达式建立总体知识数据库。煤矿安全生产知识体系的建立主要是依据《煤矿安全规程》、《安全生产法》等与煤炭企业安全生产有关的法律法规来建立的，在此基础上建立煤炭企业安全生产知识数据库。概念和逻辑数据模型结构是安全动态专家知识数据库的主要组织部分，其形成过程是通过深度分析煤矿生产过程的实施方案、生产作业的规章制度以及采煤过程中采取的工程措施来实现的。专家库的评分制度和基本策略以及体系自身的维是由元数据管理系统的开发应有来实现的，除了元数据系统的开发之外，还需要对知识的增加、知识的删减、知识的更新以及检查知识的正确性和是否存在歧义性进行知识库管理系统的开发。

3.2评价指标库

煤矿安全生产作业是一个复杂的动态系统，该动态系统包括工作人员、生产作业用的机械设备以及采煤作业环境。作业单元存在诸多危险因素，如瓦斯爆炸、采煤顶板塌陷事故、地下水突涌以及机械设备故障等，与作业单元相似，采煤作业的空间分布也同样面临诸多相似的危险因素。煤矿生产过程中会出现很多危险源，这些危险源类型不同，需要对这些危险源进行量化评估，而对这些危险源进行量化的最好方法是建立评价指标库。目前针对煤矿生产安全状况的评价方法主要有四种。第一种是利用评价结果的量化程度来划分;第二种是利用评价结果的推导过程来划分;第三种是利用评价系统的专属性质来划分;第四种是利用评价系统所达到的预期目的来进行划分。

4.煤矿安全管理中大数据技术的应用前景

4.1积极转变管理思维，促进技术认知的强化

当前国家对煤矿安全问题给予了越来越高的关注，如何进行煤矿安全管理工作已经成为至关重要的课题，有研究调查表明我国因为煤矿生产造成的死亡人數实现了明显下降，主要是因为应用了大数据，虽然与发达国家相比还存在较大差距，但是通过大数据这一窗口能够加强煤矿安全管理工作。加上煤矿数据自身具有价值密度低、变化快以及体量大等大数据的特点，所以在煤矿安全管理中应用大数据至关重要，很大程度上能够促进煤矿安全隐患的降低。煤矿生产在时代发展中实现了信息化建设，在长时间不断探索中获得了相应成效，产生了较多数据信息，如环境检测数据、矿图数据、矿山地质数据以及监控数据等，主要分为非结构化与结构化两种，其中结构化数据占据了主导地位，所以管理人员与实际情况相结合进行管理思维的转变，对数据信息进行全面分析。

5.结束语

通过大量实践可知，煤矿生产作业产生的大量数据在大数据技术的处理下，可以得到较为科学的分析和推理，为煤矿企业安全生产预测提供了科学依据，对煤矿安全生产管理方面的提升有较大促进作用。

参考文献

[1]刘香兰.煤矿安全生产大数据分析与管理平台设计研究[J].煤炭工程，2017（06）：32-35.

[2]刘香兰.煤矿安全生产大数据分析与管理平台设计研究[J].煤炭工程，2017，（6）：32-35.

[3]马小平，代伟.大数据技术在煤炭工业中的研究现状与应用展望[J].工矿自动化，2018，（1）：50-54.