摘要:煤矿安全生产的监控实时化、系统物联化、数据海量化和决策智能化需求，对煤矿各类安全管理信息系统的建设提出了诸多挑战，需要从传统的以部门专业为单位的信息展示，转变到多部门多专业融合的多维大数据分析挖掘。文章系统梳理了煤矿安全生产相关数据，建立统一的数据分类体系，提出面向煤矿安全生产的大数据分析框架，为煤矿安全生产信息化建设提供基础支撑。
关键词:煤矿安全生产;数据分类体系;大数据分析;煤矿GIS一张图
1我国煤矿安全生产信息化现状分析
大数据分析在煤矿企业安全生产经营管理中得到广泛应用［1－2］，我国的煤炭企业和研究人员相继展开智能化煤矿的研究和建设，建立和完善了煤矿工业控制网和企业局域网环境，以工业组态软件为基础建设综合自动化集控平台，开展以煤矿安全避险为主题的“六大系统”建设，面向煤炭企业生产经营和煤矿安全生产专业部门建设了一系列业务流程化的管理信息系统，取得了长足的进步。目前，我国煤矿智能化建设在现阶段已经呈现出“新四化”特点:监控实时化、系统物联化、数据海量化和决策智能化，这对煤矿安全生产的全面感知、实时互联、分析决策、自主学习、动态预警和协同控制提供了可能。然而，专业部门条块分割的管理和信息系统建设模式导致了诸多的问题，鉴于此，作者针对煤矿安全生产实际需求提出有必要跨越部门专业、统一人机环管、考虑历史现势和未来、整合时间和空间维度，系统性梳理煤矿安全生产数据及其关联关系，建立煤矿安全生产数据的分类体系，以煤矿安全生产数据分类体系为基础构建煤矿安全生产大数据分析框架，为煤矿安全生产智能化建设提供大数据分析的框架和知识发现的导向目标。
2煤矿安全生产数据分类与组织体系
2．1煤矿安全生产对象
煤矿安全生产的主体是人，客体是地下的煤炭地质体，目标是对煤炭地质体进行采掘产出煤炭。为此，建立了一系列直接和辅助的煤矿安全生产活动，包括采煤、掘进、运输、机电、通风、地测和煤矿救护等。人员和设备参与到煤矿安全生产活动中，对煤矿地质体及其生产环境产生影响和破坏，煤炭地质体和生产环境的破坏反过来也会造成煤矿生产活动的停顿以及人员设备的损伤。为了保证煤矿安全生产活动有序、高效、安全地进行，需要制定一系列的技术方案和管理制度，如作业规程、设备操作规程、入井检身制度等。
2．2煤矿安全生产数据分类体系
煤矿安全生产数据可以从两个维度进行分类，一个是生产准备、基本生产、辅助生产和生产服务的生产活动维度;另一个是人员、设备(物料)、环境、安全、技术和制度的维度。分类结果如表1所示。
3煤矿安全生产大数据分析框架
大数据技术在煤炭行业的应用以提升安全生产和管理水平为主要目标。为此，需要跨越部门专业、统一人机管、考虑历史现势和未来、整合时间和空间维度，打通信息壁垒，深入理解煤矿安全生产数据背后的关系和故事［3－7］，决定对数据的分析目标，确定数据分析采用何种方法和工具，进而建立煤矿安全生产大数据分析的框架［8－9］。
3．1煤矿安全生产大数据分析目标
煤矿安全生产大数据分析的目标是对生产活动、人员、设备、环境的理论要求状态与实际运行状态之间的偏离进行分析、建模、机器学习和预测预警。主要包括以下几种类型:1)围绕生产活动、人员、设备、环境某个单一维度的时空状态变化的分析建模。如设备故障周期分析建模、瓦斯曲线回归分析、冲击地压周期分析等。主要采用传统的模式识别和时间序列分析。因此，煤矿安全生产数据包括三个方面:一是对煤矿安全生产活动及其人员、设备、环境的技术规格和管理制度要求;二是根据技术和管理制度要求，进行生产活动、人员、设备、环境的准备情况;三是人员、设备、环境在生产活动中的具体表现情况和状态，如图1所示。2)围绕生产活动、人员、设备、环境多个维度之间的相关性进行分析建模。从生产活动维度集、人员维度集、设备维度集、环境维度集中选择多个维度寻求相关性，是目前大数据分析的要义。3)生产活动、人员、设备、环境的偏离分析。根据历史积累的数据，分析预测可能偏离规则要求的人员、设备、环境以及生产活动的环节或者工序等。如:不安全行为分析、不安全设备分析等。
3．2基于GIS一张图的煤矿大数据分析展示框架
煤矿安全生产数据均具有空间属性，煤矿安全生产只能在特定空间背景环境中展开。因此，煤矿安全生产大数据分析，区别于互联网、电子商务领域的大数据分析，需要在煤矿安全生产的特有空间环境中组织分析工具，展示分析的数据和结果［10］。GIS一张图就是煤矿安全生产空间环境抽象工具。煤矿GIS一张图，是基于统一地理信息平台的煤矿安全生产大数据集成和综合展示平台，是二维GIS或四维GIS(x，y，z，t时间维度)的服务平台，其核心理念是“物联感知、协同可控”统一管理、“随时、随地”访问使用，“持续、及时”协同、动态更新，服务于技术、生产、安监、防灾应急、煤矿大数据分析展示等。
3．3煤矿安全生产大数据技术框架
煤矿安全生产大数据平台基于HadoopHDFS组件以及数据仓库Hive和分布式键值对数据库HBase实现海量数据存储，利用成熟大数据框架Hadoop和Spark相结合方式实现数据的批处理和流式计算以及机器学习，大数据平台技术架构体系及OLAP系统架构，如图2所示。煤矿安全生产大数据平台提供了数据接入、存储、处理到可视化等功能。数据引擎提供CSV、TXT、文件文档，关系数据库等数据进入云存储环境为大数据计算做基础准备。为不同的应用场景提供了三种存储方式:HBase、Hive和HDFS。为大数据的统计分析提供了SparkSQL分析、ＲDD、DataFrame和DataSet任务提交接口;为机器学习提供决策树快速构建、回归算法以及贝叶斯算法进行常见的分类和模型构建。提供了饼状图、柱状图、雷达图、曲线图以及位置分布等接口，使计算分析结果能够直观展现。在煤矿安全生产大数据平台上，建立专家知识库，预测预警规则库等，基于静态数据、流式数据等计算框架，对煤矿安全生产活动、人员、设备、环境的偏离情况等不间断实时分析计算和预测。
4结语
煤矿安全生产的新四化需求:监控实时化、系统物联化、数据海量化和决策智能化，要求融合部门专业等条块进行多维度综合的大数据分析挖掘。本文以煤矿安全生产对象为起点，系统梳理并建立了煤矿安全数据的分类体系，根据数据分类体系建立了煤矿安全生产大数据分析的导向目标、煤矿GIS一张图展示框架、以及煤矿大数据分析的技术框架，在华阳集团、临矿集团、陕西煤业等国内大型煤炭企业的安全生产共享平台的建设中得到了实际应用，效果良好，为煤矿安全生产信息化建设及其深化提供技术支撑。
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］．中国煤炭，2018(7):124－130．
［2］刘保进．大数据技术及其在煤矿安全管理中的应用探讨［J］．山东煤炭科技，2017(10):173－174，177．
［3］司鹄，赵剑楠，胡千庭．大数据理论下的煤与瓦斯突出事故致因分析［J］．西安科技大学学报，2018(4):515－522，537．
［4］郜彤，刘传安．基于大数据分析的煤矿安全风险预测系统研究［J］．煤炭工程，2018(7):173－176．
［5］张小兵，周勇．煤矿掘进暴露巷道瓦斯涌出量大数据计算方法［J］．煤矿安全，2018(6):168－170，174．
［6］罗波，张金锁，邢书宝．大数据煤矿胶带输送机速度状态评估模型设计［J］．西安科技大学学报，2016(2):176－180．
［7］刘浩，文广超，谢洪波，等．大数据背景下矿井水害案例库系统建设［J］．工矿自动化，2017(1):69－73．
［8］王万丽，崔超．煤矿安全生产大数据应用管理系统研究与设计［J］．中国煤炭，2018(2):91－94，117．
［9］刘玉海．基于MongoDB的煤矿大数据管理研究［J］．信息系统工程，2017(9):119－120．
［10］申琢，谭章禄．基于数据挖掘的煤矿大数据可视化管理平台研究［J］．中国煤炭，2016(12):86－89，128．
作者：雷小平 张鹏鹏 单位：北京龙软科技股份有限公司
