矿井通风安全数据智能分析研究

王挥 刘渠 张帅 陈守磊

摘要：矿井通风是安全生产的重要保障，到目前为止，通风灾害的防治还主要通过监测手段实现。基于电子设备和数字化便可对通风过程中的数据进行采集，通过数据提取，便得到了瓦斯含量变化及瓦斯影响因素，进而为安全预防提供参考。监测得到的众多数据中存在一定的潜在规律，但是由于矿井建设以及习惯问题，管理部门并没有对数据进行二次分析，造成了数据的不充分利用。为此，众多学者对数据进行了二次利用，通过特定的模型充分分析数据，并在海量数据中得到了潜在的规律。

关键词：矿井通风;安全数据;智能分析

引言

近些年随着以人工智能为导向的数字技术在中国飞速发展，煤矿作为传统行业迎来了变革，智慧矿山由此提出，井下实现智能通风是智慧矿山发展的重要一环。通风参数监测数据是智能通风系统的信息源，作为智能通风计算的基础和前提，是智能通风的重要组成部分。目前煤矿通风系统中风量、风压等各项通风参数的采集仍以人工操作为主，人工测试周期长，并且不具有实时性与连续性，而监测数据具有实时性与连续性，能够为是智能通风提供实时的基础参数。

1基于ETL的核心数据处理技术

ETL是煤矿通风安全数据智能分析的数据处理核心和技术理论基础。ETL进程是数据提取、转换和加载过程的缩写。在英语中，这是Extract-Transform-Load过程，通常涉及处理、转换和迁移不同行业中不同企业系统的大量数据信息。首先，数据提取字符串包含最基本的数据库操作工具，数据库插件连接ETL进程方案系统和各种不同的数据库，还包含其他格式文件(如文本、Excel等)的插件。，则无论数据库操作如何，都必须具有良好的ETL进程方案。然后，主控台作业会提供其他解决方案，协助ETL处理作业检视撷取处理作业资讯。同样，数据转换包括数据处理字符串，如字段映射、值映射、脚本控制等。最后，它是数据加载过程，即通过统一的任务或作业从元数据定义和管理数据和基本规则。

2通风数据算法模型建立

矿井监测系统可以实时了解设备的运行状态，避免瓦斯爆炸等事故的发生。监测系统运行过程中，短短几秒探头便完成一次数据的监测，在众多数量、众多种类探头的监测下，数据量庞大，而将海量监测数据用于矿井通风、瓦斯突出以及冲击地压等事故的预警方面，具有重要的现实意义。海量数据中仅有部分有用的数据可以用来预防安全事故的发生，因此需要一种智能分析技术来规范化、流程化、智能化地整理分析监测数据，弥补监测系统的不足。在煤炭开采过程中，监测得到的通风数据是预防安全事故的重要依据，随着开采深度的增加以及地质条件复杂性的提升，有毒有害气体超限报警已经不能满足安全生产的需求，需要通过监测通风数据预测瓦斯体积分数的变化。然而，井下通风数据的获得受各种因素影响，很难用单独的方法进行预测。

3基于数据挖掘的通风参数研究

数据挖掘的本质是利用各种分析工具寻找数据模型与数据间的关系，通过数据挖掘提取出辅助决策的重要数据并寻找数据中隐藏的重要信息。通过全矿井的通风系统普查，将井下主要风门之间的压差和主要用风地点的风量录入通风管理信息系统进行调试，得到误差符合要求的仿真风量。利用井下监控分站中传感器监控得到的监测风量、风压，在矿井通风管理信息系统上进行模拟仿真。随后对仿真风量和监测风量进行对比分析，列出相对误差大于5％的巷道。可调取监测监控数据库中临近巷道的通风参数相关数据，借助神经网络预测模型，映射出风量-风阻、风量-风压复杂的非线性关系。通过大量数据对误差较大巷道风量进行预测，并进行误差分析，若为风速传感器造成的误差，修正为实际数据或更换对应的风速传感器；若为仿真系统带来的误差，对仿真系统继续调试，直到仿真数据与现场监控数据一致。

4矿井通风管理信息系统与矿井监测系统连接原理与操作

矿井通风管理信息系统与矿井监测系统的连接原理可描述为结合矿井通风管理信息系统与矿井监测系统所得数据，将监测系统数据库纳入至矿井通风管理信息系统中，对整个矿井的通风系统进行仿真，以完成数据的传递与监测。基于矿井通风管理信息系统与矿井监测系统所得数据，将2者数据进行融合共享，可实时掌握矿井通风系统相关数据，防止煤矿“一通三防”事故的发生。矿井通风管理信息系统与监控系统相结合生成更为完善的井下监测系统，对风量、负压等数据进行掌握与测算，使得相关数据更为直观、有效地显示至计算机中，实现了基于互联网技术的在线实时通风仿真计算，增强了矿井通风系统运行的稳定性。

5矿井通风阻力测量数据处理的软件

用于测量矿井空气流通的数据处理方法一般可用于计算矿井不同类型的空气流通系统，包括基本的双气压计法、压差法、铜管法、同步法等。测量和处理空气流通阻力数据，以适应矿井的空气流通阻力、气流阻力和抗风阻力。若要计算最小通风阻力，您可以自动选取空气阻力、空气压力和阻力值。采用矿井测量对矿井脑中风井通风系统精度的选择进行了试验。矿井通风系统的节点和风量测量包括调整不平衡值的测量，以及调整独立于矿井通风系统的空气压力回路的实际不平衡值的测量。开发用于测量通风阻力的数字调平软件。首先，确定通风阻力时，应根据数据的风量差异来计算风量差和阻力差，然后确定计算出的阻力和风量，得到车道的修正风量，并得出分支数通风阻力的数据调整计算可以分为风量调整和阻力调整。由阻力和气流获得的行车道阻力包括管网的分支数、节点数、气流调整和阻力调整。

6BP神经网络模型

BP神经网络又称为“反向神经网络”，具体工作原理如下：当采集数据样本经过神经网络后，函数会不断修正，在阈值和权值不断调整的过程中，函数误差值逐渐减小，最后便可得到期望值。BP神经网络模型因其在函数误差、时间序列预测上的强大适应性而被广泛使用，整个神经网络模型分为输入层、输出层和隐层3个部分，选用的目标函数经过传递函数不断修正，最终便可得到期望的函数。虽然适用范围广，但是其存在运算能力差、迭代次数多等缺点，因此需要利用灰色预测模型进行灰化，灰化的过程实际是将与特征变量相关的因素整合起来，便得到合适的搜索空间，在特定的搜索空间内运算便可得到最优解，在降低数据随机性的同时，充分发挥了两个模型的特点。

7通风相关分析的静态精度

冷却安全性计算是静态的，不考虑时间。它基于系统设置在某个时间点的条件。分析结果侧重于矿井中长期通风气体的总体状况，通常以静态方式处理。与细分相关的分析的静态精度是指分析中每个相关因素的基本处理精度。就通风气体相关分析而言，根据矿井基本通风数据进行的通风网络计算与矿井实际通风的匹配程度，以及气流量和输运计算模型的实际检验精度，构成了通风气体相关分析的静态精度。

结束语

煤矿智能通风安全数据处理系统在煤矿应用中取得了良好成果，大大提高了通风安全数据处理的效率、可靠性和准确性，并且易于使用和使用，为以下方面提供了新的方法，可在其他类似的煤炭推广使用。

参考文献

[1]杜波.矿井通风安全监测数据在线分析精度的探讨[J].煤矿安全,2019,50(01):99-102.

[2]李冠华.矿井通风安全动态数据整合平台[J].煤矿安全,2018,49(10):110-113.

[3]王钟瑶.矿井通风安全现代化管理研究[J].中国新通信,2018,20(11):233-234.

[4]马伟英.煤矿通风安全现代化管理研究[J].能源与节能,2018(05):30-31.

[5]易永华,袁从逵.矿井通风的安全管理探析[J].煤矿现代化,2018(03):134-135+138.