矿山生态区域灾害预测的云平台构建过程研究

梁琴琴，何东林，王振飞，赵丽娜，武 枝，王宗江

（山东正元冶达科技发展有限公司，山东 济南 250101）

矿区开采活动日益增多、开采程度不断加深，给矿山生态区附近的环境和居民带来的危险性也越来越大。此外，矿山生态区域地质情况比较复杂、矿区作业的特殊环境，以及各种潜在的不稳定因素，极易造成事故的发生。矿山生态区域灾害不仅严重威胁着矿区工作人员的生命安全，还会带来巨大的社会经济损失[1]。

矿山生态区域灾害的发生，一方面是矿山生态区域的地质条件决定的；而另一方面是矿山开采、回填方式、管理水平等多方面人为活动影响的。要想矿山生态区域稳定、持续发展，那么就要重视矿山生态区域灾害的监测。以往对矿山生态区域灾害预测的重视程度低，对其开采活动没有形成有效监测。然而，随着矿山生态区域的不断开发，开采过程中的高应力问题日益突出，所带来的社会经济损失是不可估计的。

为了降低矿山生态区域灾害带来的损失，需要实时监测矿山地压、位移、微震等开采过程中的活动规律。因此，在矿山生态区域安装灾害预测云平台是十分有必要的。根据矿山生态区域的实际情况，建立相应的灾害预测云平台，安排专业的技术人员对其进行日常监测、维护、管理[2]。通过矿山生态区域灾害预测云平台，在线实时分析灾害发生的信号，快速对区域内的破坏程度和发展趋势进行预警，为矿山生态区域灾害预测提供重要现实意义。

1 构建矿山生态区域灾害预测云平台

1.1 提出灾害预测方法

为了保证对矿山生态区域灾害预测的准确性，首先要了解矿山生态区域灾害预测云平台的应用负载特征[3]。在矿山生态区域灾害预测云平台中，云资源的管理便是其重要内容。

通过云平台灾害预测的虚拟化技术，将矿山生态区域灾害类型生成弹性资源数据库。对已生成的数据库进行分配、监测、管理等操作来实现对虚拟化矿山生态区域灾害的进一步分析。与此同时，为了提高云平台预测灾害的准确性，操作人员还要充分考虑到矿山生态区域灾害多样性、动态性的特点。

基于对矿山生态区域发生灾害的动态预测，就需要对矿山生态区域曾发生过的灾害建立数据库，进而通过历史数据对初始数据预测和运行时灾害发生的持续预测两个阶段进行分析[4]。矿山生态区域灾害的初始数据预测阶段，可以通过将数据库中已有资源与所需服务请求相匹配。从中选择与矿山生态区域灾害所需预测请求最相匹配的，将云平台请求的矿山生态区域灾害预测的属性特征用公式表示。为了避免降低灾害预测的准确性，将已有数据中最大值作为分配量：

在矿山生态区域运行时灾害发生的持续预测阶段，根据历史灾害预测数据的时间，利用灾害预测趋势的相似性判断未来一段时间的矿山生态区域灾害。此外，通过云平台储存的灾害数据负载的峰值，预测出未来一段时间内CPU 的预测需求量。

1.2 实现矿山生态区域灾害监测

当前矿山生态区域灾害预测云平台的监测设备是通过Openstack 等开源项目来实现的云平台基础架构，进而在生成的虚拟机上通过监测来为矿山生态区域灾害提供预测。

表1 灾害预测云平台设备参考

基于云平台虚拟机的方式预测矿山生态区域灾害，解决了传统方式难以扩展、资源严重浪费的现象，但是云平台一般采用的是单体式架构，容易造成平台崩溃。因此，基于云平台的矿山生态区域灾害的预测是固额分配，根据其负载性的特征，采用自动化伸缩灾害预测的负载监测机制。这不仅提高了预测云平台的运行性能，还提高了数据的利用率。

在矿山生态区域灾害的预测信息传输过程中，不能保证数据的精确性、可靠性。因此，为了保证预测信息结果的连续性，就要采取一定措施进行数据的后期修复[5]。将矿山生态区域灾害预测数据在主机云平台进行动态调整，可以根据实际预测所需进行迁移数据，优化云平台预测调度策略，在灾害数据容器内配置修改。

2 仿真实验

2.1 实验准备

此次仿真实验为了保证云平台集群的控制节点，需要12 台 服 务 器。分 别 设 置controller1、controller2、controller3 这3 个关键控制节点，剩余节点作为主机计算的节点。与此同时，还需要3 台云平台储存服务器，方便对矿山生态区域灾害资源的数据保存。每台服务器都需要安装36T 机械硬盘，而云平台集群是通过NFS 的挂载方式应用到计算机服务器。

矿山生态区域灾害预测云平台虚拟机可以是基于Windows10 和Java JDK7 的开发环境。或是将云平台的主机服务器架构在64 位的Linux 系统内。在此次仿真实验环境中，将矿山生态区域灾害预测云平台统一安装在内核为3.13.0-96-generic 的版本内。

2.2 实验过程及结果

矿山生态区域灾害预测的云平台构建，首先是获取灾害的预测数据，对每一个新生成的预测数据进行监测。主要是通过CPU、内存、I/O 机制等形式，获取矿山生态区域灾害预测的所需数据，在固定周期内收集所需数据。

通过CRIU 实现矿山生态区域灾害的预测的数据热迁移，进而对实验室现有的灾害预测云平台进行优化。

图1 基于CRIU 的热迁移

每一个矿山生态灾害区域的特定容器，都可以基于云平台的共享得到实时监测，对运行过程中易引发的灾害做出预测。以绝对的平均百分比作为判断灾害预测准确性的标准，通过公式计算：

其中，real 为真实灾害数据，predict 为预测灾害数据。通过计算可以得出准确预测数值MAPE=7.93%。基于此，将传统灾害预测手段与矿山生态区域灾害的云平台预测手段，得到的结果进行对比。

矿山生态区域灾害传统的预测方法，无法准确地模拟负载变化，预测的误差较高。而且矿山生态区域灾害传统预测需要更多的计算成本，不利于灾害的实时分析、预测。基于云平台矿山生态区域灾害的数据负载特性可知，其云平台的负载变化与时间具有很强的相关性，与自身的矿山生态区域灾害的预测趋势有高度相似性。

3 结语

通过对矿山生态区域灾害进行云平台的预测，可以提取矿山生态区域灾害的特征值进行深度分析，为有效规避灾害提供了重要现实依据。当前，基于云平台预测的矿山区域生态灾害技术起步较晚，理论知识基础薄弱。比如，在快速识别矿山生态区域灾害发生信号；对信号实时在线初步判断、处理等方面需要提高。由于矿山生态区域灾害预测云平台的运行时间较短，因此对矿区灾害进行预测、分析时，要进一步统计矿山生态区域灾害类型，总结相应的发生规律。