吕平洋，毛善君，侯 立，王双勇，徐平安，卯明松

（1.北京大学 地球与空间科学学院，北京 100871；2.北京龙软科技股份有限公司，北京 100871；3.平安煤炭开采工程技术研究院有限责任公司，安徽 淮南 232000）

长期以来，我国煤炭消费量始终占能源消费总量50%以上。随着煤炭资源的开采，矿井采深逐年加深，众多矿井瓦斯含量增加，瓦斯压力升高，使得瓦斯治理工作难度加大，严重制约着煤矿的安全生产与发展[1]。为了提高煤矿安全生产水平，降低瓦斯事故造成的人员伤亡和经济损失，煤矿企业投入了大量资源来提高瓦斯安全管理与分析能力，包括瓦斯信息管理[2-4]、瓦斯预测预警[5-7]、瓦斯风险识别与评估[8-12]等，极大的改善了我国煤矿的安全生产状况，显著降低了瓦斯事故频次和损失。

煤矿瓦斯灾害包括突出、爆炸、燃烧、窒息等类型，各类瓦斯灾害的孕育、发生和发展过程时刻处于动态变化中，影响因素众多，涉及到通风、监测监控、回采、瓦斯抽采、人员定位等多个系统[13]。因此，瓦斯安全管理需要采集不同结构类型的海量数据，这些数据包含丰富的地理信息数据。当前对于不同类型的瓦斯灾害研究众多，却较少考虑复杂条件下多灾种和灾害链的综合监测、风险识别和预警，不能很好地满足不同类型海量数据的存储、管理与分析。目前，我国的中大型煤炭企业已经普及应用信息管理系统，积累了大量的生产技术、业务管理、综合自动化、监测监控等各类原始数据，在煤矿安全生产管理中扮演着重要角色[14]。这些数据与瓦斯具有一定的时空相关性，能够为瓦斯安全管理提供数据支撑，有待于利用大数据方法进行更深层次的挖掘和利用[15]。

为了从海量的数据中发掘有利于安全生产的信息，学者们陆续将大数据技术应用于煤矿安全管理领域[16]。孙继平讨论了大数据在煤与瓦斯突出、水害、火灾等事故预警，煤矿重大关键设备故障诊断，煤炭需求和价格预测等方面的应用[17]；刘香兰设计了煤矿安全生产大数据分析与管理平台的功能架构与技术架构[18]；沈宇设计了基于大数据的煤矿安全监管三级（煤矿、区县、地区）联网平台[19]；吴晓春建立了煤矿安全生产辅助管理模型，利用大数据技术对海量数据进行深度分析挖掘[20]；李东等利用大数据技术对煤矿历史事故案例、事故报告等进行挖掘，结合专家调查法，确定了瓦斯事故的关键要素[21]；乔万冠构建了大数据背景下的煤矿安全管理研究思路体系，将大数据与系统仿真方法相结合，实现了煤矿企业大数据化的趋势预测[22]。大数据技术在煤炭行业的应用，为瓦斯事故的防治提供了新的思路。

然而，大数据技术在煤炭行业的研究应用仍处于初级阶段，主要涉及架构设计、硬件环境、模式等内容，缺乏与GIS的关联[23]。在煤矿的实际生产中，瓦斯风险动态变化过程与空间信息密切相关，瓦斯灾害的防控需要多部门、多场所联合参与。因此，在煤矿GIS“1张图”的框架下，构建服务于煤矿瓦斯大数据深度分析挖掘的软件平台，实现瓦斯大数据的集成管理、分析预测和可视化。

1 煤矿瓦斯安全管理数据特征

煤矿井下产生的瓦斯相关数据种类繁多，特征不一，按照存储结构可分为文本数据、图形数据、表数据等，根据数据的更新速度可分为静态数据和实时动态数据[22]。静态数据是指在煤矿生产过程中，主要作为控制或者参考的数据，在很长的一段时间内不会变化，如煤层瓦斯含量、瓦斯压力、煤层埋深、瓦斯事故等。相对于静态数据，动态数据是随时间变化的连续型数据，主要来源于监测监控系统数据、人员定位数据、考勤数据、设备运行日志等。瓦斯事故防治需要多系统协同管理，加之事故具有不可控制的特性，因此明确瓦斯风险的数据特征，对于瓦斯安全管理意义显著[24]。

1）多样且动态变化特性。煤矿井下瓦斯事故有突出、爆炸等多种形式，从“人机环管”的角度对瓦斯风险进行归类划分，可高达数十种。由于开采资源的需要，煤矿的生产条件决定了众多的瓦斯风险因素时刻随着煤矿的生产而处于动态变化过程中。比如，瓦斯矿井的掘进或回采作业过程中，大量的瓦斯会从落煤碎块涌入空气中，使得巷道内的瓦斯体积分数增加。而瓦斯抽采系统的运行，则可以动态降低煤层或采空区中的瓦斯含量。

2）时空相关特性。瓦斯风险因素之间具有一定的时空相关性，比如，由于瓦斯随着风流向回风巷道汇集，回风巷道监测点的瓦斯体积分数一般要高于上风口巷道，因此上风侧监测点数据特征往往能够体现在下风侧监测点数据中，即两者之间是时空关联的。此外，如果瓦斯事故一旦发生，巷道空间的环境也会相应改变。所以，煤矿在组织应急救援过程中，需要结合井下人员位置、受灾区域、灾情发展状况、井下避灾物资分布等信息，有效指导不同区域的人员救灾或逃生。即针对瓦斯事故的应急处置，也应当考虑各相关因素的时空关联特性。

3）可预测性和可控性。在瓦斯安全管理过程中，虽然需要考虑的因素众多，但瓦斯事故的发生始终遵循着事故机理。监测监控系统采集的瓦斯风险数据是典型的时间序列数据，瓦斯事故发生前，通常都会伴随着瓦斯体积分数异常，利用机器学习、深度学习算法能够实现瓦斯时间序列数据的有效预测。此外，根据事故致因理论，管理因素是事故的根本原因，制定合理的安全管理体系和评价体系，能够有效防控瓦斯事故的发生。煤矿瓦斯事故的可预测与可控性决定了建立瓦斯安全管理系统实现瓦斯事故防治的可行性。

4）大数据特性。煤矿瓦斯安全管理过程中，涉及到生产数据、监测数据、煤层地质数据、方案措施等文档、流程管理业务数据等，尤其是监测监控数据具有增长快、时序性强的特点。这些数据既有结构化的传感器数据，也有半结构化和非结构化的图形数据、文档数据。在长期的生产过程中，煤矿企业会积累海量的瓦斯相关数据，由于大部分情况下，煤矿均处于安全状态，因此大量的时间序列数据是一种稳定状态，分析利用价值弱。所以，煤矿瓦斯安全管理具有典型的体量巨大、数据类型多、价值密度低、产生速度快的大数据特征。

2 系统功能架构与技术架构

2.1 系统功能架构

基于GIS的煤矿瓦斯大数据管理与分析系统建设是一项复杂的信息化系统工程，其设计理念为整合海量数据，结合多软硬件系统的监控、分析预测、决策支持的业务管理需求[25-26]，形成集成化、多维度、闭环管理、直观展示的煤矿瓦斯大数据挖掘分析方法结构体系，系统总体功能架构如图1。

图1 系统总体功能架构Fig.1 Overall function architecture of the system

1）基础设施层（IaaS）建设。基础设施层建设依托数据中心信息集群、数据库、负载均衡、操作系统等硬件设施和系统软件资源，建设数据中心，对监测数据、预警数据、基础数据、地理信息数据进行集中存储维护。

2）业务数据层（DaaS）建设。建设瓦斯大数据管理与分析平台统一数据中心，包括煤矿企业基础信息库、地理信息数据库、综合监测实时信息库、数据交换与共享信息库等。

3）服务平台层（PaaS）建设。服务平台包括业务平台、数据平台、技术平台3大平台，为平台提供服务封装与编排、大数据分析、地理信息服务、智能决策分析等支撑。

4）应用平台层（SaaS）建设。包括煤矿基础数据管理子系统、综合监测子系统、瓦斯监测预警子系统、矿井通风管理子系统、瓦斯抽采预警子系统、瓦斯突出预警子系统、瓦斯爆炸预警子系统、瓦斯灾害监测1张图子系统、应急决策支持子系统等业务应用系统，以及统一集成门户。

2.2 系统技术架构

基于GIS的煤矿瓦斯大数据管理与分析系统采用大数据分布式集群技术架构，面向煤矿终端企业提供统一的数据采集、数据处理、数据存储、多维分析、灾害预警等应用，探讨了煤矿瓦斯大数据分析和管理的技术方法，通过各类数据处理和应用工具对煤矿瓦斯大数据进行挖掘。系统技术架构如图2，瓦斯安全数据处理流程如图3。

图2 系统技术架构Fig.2 Technical framework of the system

图3 瓦斯安全数据处理流程Fig.3 Processing flow of gas safety data

1）数据来源。数据的采集主要来源于3个方面：自动监测设备的实时监测数据（包含传感器、智能仪表、工控系统等）、矿井瓦斯的人工检测数据、预警应用相关的用户及系统信息。该部分作为软件服务，实现数据获取的主要功能。

2）数据采集。数据采集主要针对系统的3大类数据来源，根据不同的数据类型匹配不同的采集方式，主要包含：针对自动监测设备的数据采集，通常采用IoT流数据采集手段以及IoT通讯/传输协议适配等技术实现数据的采集；针对矿井瓦斯的人工监测数据通过智能填报平台进行数据的采集；针对预警应用相关用户及系统信息的数据采集采用ETL技术/Agent采集/接口采集等多种技术组合匹配。

3）数据治理。由于瓦斯相关数据种类繁杂、来源多样，数据标准各不相同，各个系统中的基础数据质量层次不齐，为了保证后端大数据分析结果的准确性，必须保证前端数据的质量，因此在数据入库之前需要做好数据治理工作，包含数据的清洗转换、数据的质量校核、数据比对、数据标准制定、元数据管理。

4）数据存储。数据存储包括传统的关系型数据、NoSQL数据库以及分布式文件系统，存储方式支持Oracle、SQLServer、MySQL、ElasticSearch、Hive、HBase、HDFS等多种方式，不同类型的数据库适合存储不同格式的数据；存储的业务数据主要有原始检/监测数据、算法库调度及检/监测数据处理算法相关数据、预警计算结果及中间过程数据，及用户信息等数据存储。

5）数据计算及分析。数据计算主要包含对数据的分布式流计算、数据分布式内存计算、数据并行计算以及数据批量计算等；数据分析主要为专业场景的分析提供各类算法、模型以及其它分析技术。涉及的算法主要包括数据预处理算法、瓦斯预测预警算法、瓦斯突出危险性预测预警算法及系统管理的基础算法等。

6）数据应用。主要包含矿井通风系统在线检测及分析预警、煤矿瓦斯智能抽采、瓦斯体积分数变化趋势预测预警、煤与瓦斯突出风险判识与监测预警、瓦斯爆炸风险判识与监测预警、应急决策支持等。

7）分析展现。数据应用的结果最终在客户端进行可视化展示与交互，客户通过终端向服务器发送数据请求后，系统将分析结果展现给客户。

3 系统关键技术及功能实现

基于GIS的煤矿瓦斯大数据管理与分析系统以信息集成为基础，提取实时监测数据的统计特征及动态变化特征，建立了与瓦斯灾害相关因素以及人工采集数据的关联关系，依据历史数据的关联分析，挖掘潜在规律，实现了煤矿瓦斯灾害的全面监管、预测预警，面向煤矿终端企业提供统一的数据采集、数据处理、数据存储、多维分析、灾害预警等应用，并且在淮河能源（集团）股份有限公司顾桥煤矿实施应用。

3.1 时空数据管理

煤矿瓦斯数据具有典型的时空特性，因此系统不仅要存储和管理实时最新数据，还应支持历史数据的回溯管理。针对煤矿瓦斯安全管理与分析业务需求，从满足“一张图”数据管理和支持历史数据回溯管理的角度出发，提出基于GIS空间数据库的版本化时空数据管理方案。在空间数据库中，1个典型的数据集表存储模型包括对象ID、对象外包矩形、对象几何数据（点、线、面等元素）、属性，当数据发生变化时，基于版本化的时空数据管理，对每个数据集对象表，建立一一对应的数据集对象历史版本表，增加了协同ID、版本ID、版本类型3个数据维[27]。

煤矿时空数据管理是整个系统的基础，用于采集、存储、维护和管理关于煤矿瓦斯灾害的详细数据和资料，主要由相关数据库和地物属性分布构成，为煤矿瓦斯灾害监测、分析、预警和治理提供真实可靠的现场数据。该模块实现了矿井基础信息、矿井采掘队信息、矿井工作面信息、巷道信息、矿井关联配置、煤层关联配置、区域关联信息、监测点关联配置，以及监测监控系统数据等煤矿瓦斯安全相关数据的时空管理。

3.2 瓦斯风险预测预警

瓦斯安全管理过程中存在大量时间序列数据，以瓦斯体积分数为例，单个瓦斯监测点的瓦斯体积分数与该测点历史数据具有时间相关性，瓦斯随着风流在巷道网络中扩散，各监测点瓦斯监测值之间存在空间相关性。此外，瓦斯体积分数和工作面进风风速、工作面风速、工作面温度、工作面粉尘和采煤机启停等密切关联。因此，长期持续采集并分析不同空间位置的瓦斯体积分数数据和相关因素数据，能够充分挖掘利用瓦斯大数据特征，瓦斯风险预测流程如图4。

图4 瓦斯风险预测流程Fig.4 Gas risk prediction process

首先，对瓦斯风险进行特征和致灾机理分析后，采集并预处理具有一定相关性的其他监测数据；其次利用空间相关性算法，依次对这些监测数据进行相关性计算，选择与预测目标相关性较强的监测数据；然后，利用特征工程构造预测目标的时序特征和空间拓扑特征；最后，构建基于深度学习的神经网络，建立煤矿瓦斯风险时间序列多时间尺度预测模型，充分挖掘相关监测风险指标的历史数据价值，实现瓦斯时间序列数据预测的短期、中期和长期的多时间尺度高精度预测。采用的深度学习模型为基于Encoder-Decoder的瓦斯预测模型，以历史瓦斯体积分数及其特征数据（时序特征、空间拓扑特征）为输入，能够得到未来n个时间步长的瓦斯体积分数预测结果[28]。基于Encoder-Decoder的瓦斯预测模型如图5。

图5 基于Encoder-Decoder的瓦斯预测模型Fig.5 Gas concentration prediction model based on Encoder-Decoder

矿井中的瓦斯主要分2部分排出：①随抽采管路排出，这部分是人为控制的；②随风流排出，这部分的不可控因素较多，是煤矿瓦斯安全管理的重点之一。瓦斯风险预测预警针对抽采瓦斯和风流瓦斯均具有很好的效果。

3.3 矿井通风安全管理

矿井通风监测预警系统主要针对矿井通风在线监测系统进行监测预警，建立矿井通风系统仿真模型，实现在线通风系统仿真及离线通风系统仿真。结合一张图，在通风系统图上叠加显示通风在线监测预警信息，实现对矿井主通风机运行状态、通风系统风量变化情况、通风设施开停状况、巷道温度变化情况的在线监测预警，具体包括：主通风机停机、局部通风机停止运转，主要通风机风机负压、电流、电压、震动值、轴承温度异常变化，风机工况与通风网络不匹配、不在合理风机性能曲线范围内运行，风速超限，采区主进回风系统风量发生变化，采掘工作面风量发生变化，风向传感器发生反向，井下风门长时间处于非正常开启状态，采掘工作面及巷道内温度异常升高，通风机运转状态在线监测预警等功能。

3.4 瓦斯抽采安全管理

抽采在线预警模块主要实现抽采管路的瓦斯体积分数、流量、压力、温度等参数实时监测预警，对瓦斯抽采管路进行动态诊断分析，研判管道的堵塞及漏气情况，以及阻力分析等，并对工作面、评价单元的抽采达标进行在线评价。

3.5 煤与瓦斯突出监测预警

该功能旨在建设基于GIS的、具有开放接口、可扩充性、提供数据共享功能的瓦斯突出防治模块。该模块实现了煤层赋存、区域瓦斯参数、地质构造、瓦斯安全监测数据、微震在线监测数据、工作面应力在线监测数据等的地图可视化，并提供区域防突、局部防突、验钻工作等瓦斯防治工作的业务数据管理功能。此外，该模块可依据用户设置，实现对数据的预警提示，然后结合实时瓦斯传感器数据、微震在线监测数据、工作面应力在线监测数据，根据日均瓦斯体积分数、实时瓦斯衰减系数、应力指数、微震能率和事件率等突出预警指标和预警参数设置，实现瓦斯突出的实时预警。

3.6 瓦斯安全管理一张图

瓦斯安全管理1张图在煤矿瓦斯大数据的基础上，集成了突出监测预警、瓦斯抽采安全管理、瓦斯风险趋势预警、矿井通风安全管理等分析功能，能够对煤矿瓦斯安全状况进行动态评估与展示，实现了监测、分析、预警的有效融合，为瓦斯防治提供决策支撑。瓦斯大数据管理与分析平台应用如图6。

图6 瓦斯大数据管理与分析平台应用Fig.6 Application of gas big data analysis and management system

4 结 语

瓦斯安全是煤矿生产的重要保障，涉及煤矿众多系统，信息化的建设为煤矿瓦斯大数据管理与分析提供了良好的数据支撑。基于此，分析了煤矿瓦斯安全管理数据的多样且动态变化特性、时空相关特性、可预测性和可控性、大数据特性等特征，提出了基于GIS的煤矿瓦斯大数据管理与分析系统建设思路，阐述了系统功能架构与技术架构，集成了各种信息化系统数据，实现并重点介绍了时空数据管理、瓦斯风险预测预警、矿井通风安全管理、瓦斯抽采安全管理、煤与瓦斯突出监测预警、瓦斯安全管理一张图等系统功能。系统在淮河能源（集团）股份有限公司顾桥煤矿运行良好。