基于大数据的煤与瓦斯突出预警技术

发布时间：2022-01-11 08:50

　　针对现有煤与瓦斯突出预警技术对数据的分析利用不充分的问题,从大数据生命周期的各技术环节入手,介绍了基于大数据的突出预警技术体系的架构、大数据类型及获取方式。从工作面、区域、生产系统3个方面建立了多参量突出预警指标体系,并依此构建了基于层次分析法的突出预警模型,同时分析得到基于多层关联规则算法的层次分析各因素相对重要度的计算方法,实现了指标权重的自动确定与优化;开发了基于B/S架构模式的突出预警系统,主要包括预警数据库、预警服务、预警网站和移动终端APP。现场试验表明:预警总准确率达91.5%,无漏报现象,实现了预警数据的动态获取、智能分析、实时预警、在线发布与远程查询。将大数据技术应用于煤与瓦斯突出灾害防治是未来的发展方向,基于大数据进行突出预警是可行的,可为煤矿现场突出防治提供决策支撑。 

【文章来源】：矿业安全与环保. 2020,47(04)北大核心

【文章页数】：6 页

【部分图文】：

突出预警技术总体架构图

数据是大数据价值发现的基础，获取海量、全面的突出相关基础数据是突出预警的前提。突出灾害大数据主要包括矿山数字化基础数据、日常防突数据、瓦斯含量(压力)数据、物探数据、瓦斯浓度数据、风速风向数据、声发射数据、电磁辐射数据、矿压数据、钻孔轨迹数据、瓦斯抽采数据、进度数据等。其中矿山数字化基础数据具体包括煤层赋存、瓦斯赋存、采掘部署、突出事故数据等;日常防突数据具体包括钻屑瓦斯解吸指标、钻屑量、软分层厚度、工作面煤厚、动力现象、片帮深度、防突钻孔验收数据等;物探数据具体包括断层、褶曲、陷落柱等;声发射及电磁辐射数据具体包括振铃数、事件数、能量等;瓦斯抽采数据具体包括抽采瓦斯浓度、负压、流量等。上述数据按数据源和采集手段的不同，分为井下监测数据、检测数据和观测数据，以及矿山数字化基础数据，其中井下获取的数据根据传输方式的不同，又分为井下自动监测数据、井下可传输的检测与观测数据、需地面传输的检测与观测数据。主要通过井下工业环网、井下无线网、地面办公网络进行数据的传输，并通过数据接口程序将数据采集并存储到预警数据库中。各类数据具体获取方式见图2。3 基于大数据的预警指标及模型

指标是对客观事物属性的刻画和描述，而预警过程中需要对预警要素、危险源、征兆，以及预警对象危险状态进行描述，这就需要通过一系列指标来完成。突出影响因素众多，原因复杂，由突出机理的综合假说、突出事故演变规律与致因分析结果可知，突出风险因素主要包括工作面风险因素、区域风险因素、生产系统风险因素等3个方面因素(见图3)，这些因素是突出预警监测和跟踪的对象[14-15]。依据风险因素，并遵循指标选取的可行性、针对性、目的性等原则，建立三级突出预警指标体系(见图4)，实现对环境、技术措施的全面监测。图4 突出预警指标体系框图

【参考文献】：
期刊论文
[1]基于层次分析法的车联网多因素信誉评价模型[J]. 陈蔚,刘雪娇,夏莹杰.  浙江大学学报(工学版). 2020(04)
[2]基于层次分析法的桥梁施工风险识别及评估分析[J]. 徐佳昕,游波,施式亮,刘何清,张阳旗.  矿业工程研究. 2020(01)
[3]新景矿3#煤层煤与瓦斯突出特征分析[J]. 杨智华.  能源技术与管理. 2020(01)
[4]煤与瓦斯突出实时诊断预警系统的实践应用[J]. 杨佳丽.  山东煤炭科技. 2020(02)
[5]煤与瓦斯突出预警技术研究现状及发展趋势[J]. 宁小亮.  工矿自动化. 2019(08)
[6]基于事故树分析的煤与瓦斯突出预警指标体系[J]. 赵旭生,马国龙,乔伟,宁小亮.  矿业安全与环保. 2019(03)
[7]新景矿煤与瓦斯突出危险性预测研究[J]. 查文锋.  山西煤炭. 2018(04)
[8]煤与瓦斯突出远程智能监测预警系统研究[J]. 邱黎明,李忠辉,王恩元,刘贞堂,张酉年,夏善奎.  工矿自动化. 2018(01)
[9]《工业大数据白皮书（2017版）》解读[J]. 卫凤林,董建,张群.  信息技术与标准化. 2017(04)
[10]煤与瓦斯突出灾害监控预警技术[J]. 宁小亮.  中国安全生产. 2016(09)

博士论文
[1]掘进工作面煤与瓦斯突出实时监测预警技术研究[D]. 陈亮.中国矿业大学 2016



本文编号：3582491