山东鼎安检测技术有限公司 山东济南 250032
摘要：本研究应用大数据方法，挖掘信息化煤矿长期积累的海量数据，多维度洞察发现海量数据隐含的内在规律，将煤矿安全生产管理提升到精细化的新层面。
关键词：大数据；煤矿安全；物联网；事故统计
引言: 我们处于一个数据爆炸的时代，数据量从TB到PB加速增长，麦肯锡全球研究所报告《大数据：创新，竞争和生产力的下一个前沿》中称：数据，已经渗透到当今的各个行业和业务职能领域，成为一项重要的生产因素。通过对于海量数据的挖掘和运用，势必会带来新一波生长率的增长，也标志着可以利用大数据提前预测和发现新的规律和事物发展趋势.
一、煤炭安全行业切实可行
（一）数据早已存在于煤矿安全生产中
大数据早已存在于煤矿安全生产中，煤矿安全生产管理中所用的安全生产法律法规、煤矿安全开采规范、安全规程等都是基于大量现场实践、事故教训数据积累得来的。一次煤矿安全生产事故产生大量的数据，包括危险源辨识和评价，生产中的各种台账，人员不安全行为记录，职工违章行为、类型，事故类型及事故前的各种征兆等。煤矿安全管理的数据已具备大数据4V特征，即：规模性（Volume）——产生和积累了PB级的数据量；多样性（Variety）——台账、检查记录、图纸等纸质类数据及视频监控录像、音频等数据；快速性（Velocity）——生产各环节的视频监控系统、井下瓦斯浓度监测监控系统、人员定位系统等都需要快速实时的处理各种监测数据；价值性（Value）——挖掘数据间的相关关系，从而发现事故规律，对事故进行预警。煤矿数据分类，见表1。
.jpg)
（二）数据是相关性分析，不求因果关系
煤矿灾害预警是避免瓦斯、水害、火灾、设备故障等事故发生，减少人员伤亡和财产损失的有效措施。从目前的研究来看，人们还没有完全掌握煤与瓦斯突出、顶板事故、水害事故等事故的发生机理，还不能利用现在掌握的规律建立准确可靠的预警模型来预测此类事故。而大数据研究的一个特点就是研究事件间的相关性，而不是因果关系，只需要研究相关数据间的关联性来预测发展趋势和结果，不需要研究煤矿事故发生的原因和作用规律。用大数据研究煤与瓦斯突出、顶板、水害、火灾等事故的预警方法，采集事故发生前相关因素的信息，研究哪些数据变化并呈现某种变化趋势时，就可能引发煤与瓦斯突出、顶板、水害、火灾等事故，而不需要研究并明确煤与瓦斯突出、顶板、水害、火灾等事故的发生机理。
二、12~2016年煤矿事故统计分析
随着煤矿生产机械化、自动化和信息化程度的提高，煤矿监控监测、通信与避难系统的推广应用，2012年后煤矿安全形势明显好转，事故起数、死亡人数、百万吨死亡率均大幅下降。故而统计2012~2016年最近5年的煤矿安全事故数据进行分析。根据国家煤矿安全监察局煤矿事故查询系统，按照事故类别统计分析了2012~2016年全国煤矿事故，但由于系统一般事故数据的统计不全以及地方小煤窑瞒报，会造成数值上的误差。但死亡人数超过3人及以上的事故均有记录，故统计煤矿较大、重大和特别重大安全生产事故作为样本。根据2012~2016年《全国煤矿事故分析报告》，本文按照事故类别分析了2012~2016年全国煤矿安全生产事故，见表2。5年期间，我国煤矿共发生死亡3人以上事故193起，死亡1365人。其中，瓦斯事故76起，死亡743人，事故起数和死亡人数分别占39.4%和54.4%，事故起数和死亡人数均最多；顶板事故42起，死亡162人，分别占21.8%和11.9%，事故起数位居第2，死亡人数位居第3；水害事故30起，死亡204人，分别占15.5%和14.9%，事故起数位居第3，死亡人数位居第2；中毒事故17起，死亡100人，分别占8.8%和7.3%，事故起数和死亡人数均位居第4；运输事故10起，死亡55人，分别占5.2%和4.0%，事故起数和死亡人数均位居第5；2012~2016年全国煤矿各类事故起数占比，如图2。2012~2016年全国煤矿各类事故死亡人数占比，如图3。
.jpg)
综上，瓦斯事故起数和死亡人数最多，煤矿开采生产过程中瓦斯突出和爆炸发生频繁，且极易造成群死群伤，其作用机理目前尚不清晰；顶板事故位列其次，一次顶板事故造成的人员伤亡不多，但顶板事故发生频繁，其累积危害大。近几年水害事故发生频繁；但综合来看煤矿各类事故起数和死亡人数均大幅下降；瓦斯和顶板事故起数所占比例仍然比较大。以下主要探讨大数据在煤与瓦斯突出、顶板、水害、火灾等事故预警方面的应用。
（一）煤与瓦斯突出事故预警
研究表明，煤与瓦斯突出事故发生前，瓦斯涌出量、瓦斯浓度和环境温度等会发生明显变化，因此，通过井下各处设置的瓦斯浓度传感器、温度传感器、风速传感器监测井下瓦斯浓度、环境温度、风速等。分析这些数据的变化和趋势与煤与瓦斯突出事故的相关性。瓦斯涌出量可以根据瓦斯浓度、风量、落煤量等进行计算。环境温度与监测的环境温度、风速、进风温度、设备开停、排风量等有关。此外，还可以研究瓦斯含量、瓦斯压力、采掘位置、赋存条件、地质构造等与煤与瓦斯突出事故的关系，建立预警模型，进行煤与瓦斯突出预警。
（二）顶板事故警告
顶板事故在煤矿事故中占的比例很大，虽不像瓦斯事故造成群死群伤的严重损失，但其发生频率高，累计起来危害也很大。顶板事故预警模型可以借鉴大数据桥梁专项研究——城市生命线安全运行监测。在顶板上设置多个监控监测点，研究顶板压力变化、导致顶板事故时压力变化的趋势和应力应变等，建立预测预警模型。
（三）火灾事故预警
根据燃烧的三要素分析，煤矿火灾事故发生时，矿井发火处的温度、CH4浓度、C2H4浓度、C2H2浓度等和氧气浓度会发生变化，且伴随发光发热的现象并有气味发出。因此，通过大数据研究，研究温度、湿度、气味、CH4 C2H4、C2H2浓度、氧气浓度等与煤矿发火的关系，提出预警模型，当环境温度、氧气浓度以及瓦斯浓度达到预设的临界值时，系统发出火灾预警信号，进行煤矿发火预警【2】。
结语：
在煤炭安全行业引入大数据切实可行，随着传统数据的积累和现代矿业全自动化系统建设，物联网在煤炭行业的应用，煤矿安全生产管理相关数据也将出现数据爆炸现象，数据越多，也就越容易建立起煤矿事故灾害的预测预警模型，预警预报也就越准确。利用大数据分析数据间的相关关系，对瓦斯事故、顶板事故、水害事故等可以建立起有效可靠的预测预警模型，再通过小数据样本进行拟合模拟来检测预警模型的准确性，从而有效地降低人员的伤亡和财产损失。
参考文献：
[1]李东周勇.大数据在煤矿安全领域应用方法研究[J].煤炭经济研究,2018,38(06):39-45.
[2]红青,梁晓,史宇辰.浅谈大数据在煤矿安全领域的应用——“智慧矿井”[J].安全,2018,39(07):13-16.
论文作者:尹英文
论文发表刊物:《防护工程》2018年第24期
论文发表时间:2018/12/14
标签：事故论文; 瓦斯论文; 数据论文; 顶板论文; 煤矿论文; 水害论文; 浓度论文; 《防护工程》2018年第24期论文;