云计算环境下煤矿应急管理关键技术要点

■ 文 / 乔鹏举

煤矿应急管理信息化建设深入创新发展，逐渐实现智能化、服务化。然而当前煤矿应急管理信息数据在存储、处理和运用等多个方面存在一定问题，基于此，文章提出云计算环境下煤矿应急管理新型模式，以发挥关键技术的应用优势和价值，增强煤矿应急管理体系结构的开放服务性，更加高效地开发利用海量信息数据，促进煤矿企业健康持续发展。

1 云计算的发展现状

云计算主要是指在计算机技术背景下，实现增值服务与使用交互模式的技术，主要为计算机设备提供虚拟动态链接资源。云计算技术在应用过程中具有较强的开放性特点，数据处理能力较强，可以有效模拟人们实际生活中气候环境变化趋势、股票行情走势等多种场景。云计算具有多元化的属性，包含自主化、计量化、灵活性等特点。云计算技术能够动态化配置和管理物理层面资源和互联网上虚拟资源等多种资源。另外，在实际应用云计算技术的过程中，能够结合使用者的实际需求提高资源的弹性属性，为使用者和供货商的连接提供便利条件，实现两者之间直接交互，同时具有便捷的资源获取方式。

2 云计算对煤矿应急管理的影响

云计算是一种基于Web的网络服务，煤矿企业需要通过满足标准要求的方式接入云系统，将有用资源切换到自身的应急管理应用中，不需要单独采购网络存储、服务器等相关硬件设备，同时不需要创建自身的数据中心，通过租用的方式代替昂贵软件的购买，节约煤矿应急管理成本，有效减轻煤矿企业经济负担。如图1所示，煤矿应急管理过程中投资系统前端信息采集点，将相关设备连接到云计算网络上，管理和技术人员可以在任何时间和地域，直接通过网络采用浏览器借助授权方式掌握煤矿各个生产和应急管理环节，有效提升办公质量和效率。

3 云计算环境下煤矿应急管理的关键技术

3.1 海量存储技术

现代数字化煤矿发展中形成海量数据，促进数据管理方式产生较大转变，需要合理应用海量存储技术，提高煤矿应急管理效果。煤矿应急管理海量数据呈现出数据规模大的特点，煤矿企业实际生产过程中的动态数据，以监测点为基础采集和存储，主要包含瓦斯环境监测数据、设备信息、井下工作人员信息、空间信息等多项测量数据；种类繁多，煤矿安全生产监测数据主要划分成原始瞬时值、平均值、累计值等结构化数据，同时包含矿图、GIS、监控视频和图像、应急知识、预案和事故案例等数据，逐渐增加数据所占份额。

煤矿应急管理系统不仅要处理海量数据，还要推理各项信息数据，为其他相关领域解决问题提供辅助作用。例如，煤矿应急管理中的监测监控模块：调度指挥中心或相关管理人员可及时查看实时监测的数据并对其进行实时监控。监控数据一般包括煤矿井下监控传感器信息、火灾束管监控信息、人员定位信息等，并可在调度大屏中实时显示，当某一个位置发生告警时，基于GIS的矿井图纸上相应位置的颜色就会发生变化，并根据告警的紧急程度颜色有所不同。点击该告警区域，进入该煤矿井下GIS图，从图上可以很清楚地看到是哪个位置发生了告警、有害气体浓度是多少等数据。救援预警模块：系统可通过电话、短信、监控界面等方式接收报警信息。监控人员接收到报警信息后，必须对报警信息进行确认，对灾害事故有关概要进行登记。确定无误后，立刻调用本系统的短信子系统给相关人员发送报警短信，也可通过查询煤矿相关的救援负责人及其信息，通过电话等方式通知报警信息。同时，系统将自动向相关部门发送报警短信，并根据不同的报警等级上报报警信息给不同级别的负责人员，其内容包含报警时间、报警地点、报警原因等信息。

3.2 作业调度算法

云计算作业调度可有效达到最佳跨度，最大限度地保证煤矿应急管理系统负载均衡性、经济性，但云计算平台自身的动态、异构性造成云环境下作业调度十分繁杂和困难。

（1）FIFO调度算法。基础思想是将作业依照先后顺序统一放在相同队列中，之后结合先后迅速优先级被按照顺序调度执行，遵守先进先出的基础作业调度措施。FIFO调度设计简洁，更加适合应用于单用户集群系统，具有较高的系统利用率和响应，但针对多用户共享集群资源难以获得良好的应用效果，不能有效区分不同用户各项作业类型，难以有效利用整个集群信息资源，不能满足云计算资源共享特点。尤其是煤矿应急管理平台中具有多种类型的用户和作业，FIFO调度不符合相应需求。

（2）FAIR调度算法。采用公平调度器有效解决FIFO调度中存在的问题，并行执行不同类型作业，实现资源共享，保证在多用户、多作业种类条件下提升集群整体资源利用效率，实现全部用户的资源共享。公平调度器能够更加平均地分配工作，保证不同作业都能平均共享集群资源，在作业之间实现交互，同时让Hadoop集群有效响应各个类型作业。

（3）Capacity调度算法。主要应用计算能力调度器，支持多种队列，不同队列能够单独分配相应的资源量，利用FIFO策略，避免相同用户作业单独占用队列中的资源，有效限定每个用户提交作业占用的资源量。例如，在Capacity调度器同步运行4个不同类型作业的过程中，队列之间呈现出共享空闲计算资源，计算能力调度算法能够在选择相应类型作业的过程中，注意该作业所属用户有无超过其能够应用计算资源的范围，如超出限制，该作业不能被选中。这与公平调度存在差异，不支持优先级占用，在其中一种类型作业完成之前，其应用的资源不会被其他类型的作业抢走。另外，相同用户的作业也不会产生独占资源的现象，强制限定了队列中相同用户提交作业获取的资源量。Capacity调度器能够有效管理集群中存储的资源，支持内存密集型作业，在相关类型作业对内存资源需求高的情况下，该调度算法能够确保将作业的各项任务在充足内存资源上执行，同时在选择作业的过程中，该调度算法需要检查空闲内存资源是否符合该类型作业的内存要求。

3.3 数据挖掘技术

煤矿应急管理系统需要升级系统软件或者研发全新的系统，促进其数据挖掘功能，在一体化管理系统运行过程中，相关子系统能够完成自身管理目标，定向挖掘和高效运用各项信息数据。煤矿也要研发和配置智能化机器学习、专家系统，促进煤矿应急管理系统能够针对安全管理、设备故障问题诊断、资源配置等多项管理目标，科学合理地采集、分析和预测数据库信息，改善数据挖掘模型、算法和具体规则，提高整个系统的智能化决策能力，提供知识服务系统。例如，煤矿应急管理决策分析模块：该模块支持对煤矿的监测监控数据进行分析、比较，并根据各种规则、算法进行预测。通过分析比较、对比关联等手段能够发现隐藏在大量监测监控数据中的有用的规律，从而完成从安全监测监控数据向信息的转化，为决策层提供科学决策依据。通过井下GIS图可快速判定事故发生的地点，了解瓦斯、一氧化碳、氧气等气体含量，以及风速、人员数量等。调用专家系统模型的返回结果数据，可通过井下GIS图更直观地呈现。

另外，在煤矿应急管理应用数据挖掘技术的过程中，需要创建和优化数据库。数据库是实现数据挖掘、应急管理智能化的基础保障。煤矿企业结合生产安全、战略规划方案等多种管理目标，创建相配套的数据库，研发和应用相匹配的应急管理软件，自动化采集、预加工应急管理中需要的各项信息数据，同时将信息数据在不同数据库中分类存储，为数据挖掘提供最新的完整资源。例如，煤矿应急管理资源管理模块：应急资源管理系统通过对救援人员、队伍、医疗设施、装备、物资以及专家等资源进行有效管理，在应急救援过程中，可以通过GIS、图表等多种方式展现资源的地点、数量、特征、性能、状态等信息和有关人员、队伍的培训、演练情况，为指挥决策随时调阅、检查资源提供辅助支持。

4 结语

煤矿应用管理海量数据具有规模大、种类繁多的特点，煤矿企业需要在云计算环境下加大对海量存储技术、作业调度算法、数据挖掘等关键技术的应用力度，同时掌握关键技术要点，为煤矿应急管理工作高效开展提供有力的支持和保障。