论文部分内容阅读
摘要：信息通信技术发展为煤矿企业数据收集带来了积极的影响，也为煤矿安全管理发挥了有效的作用。大数据是信息通信技术高速发展的成果，其在数据分析方面的强大功能却未在煤矿安全管理中发挥相应的作用。本文以建设煤矿安全监控预警平台为目的，通过提升大数据功能与煤矿安全管理的关联性，从煤礦安全监控预警平台功能、结构、数据处理和技术实现四个方面层层递进论述其建设及运用过程，为煤矿安全监控和预警提供行之有效的方法，增强煤矿企业的安全管理能力。
关键词：大数据;煤矿安全;安全监控;预警平台
在信息通信技术快速发展的背景下，信息化系统建设不断完善，煤矿企业的大数据建设中的数据采集工作已经取得了较大的进展，这些数据也将成为处理和分析煤矿安全生产的基础。据统计，当前煤矿安全管理通过统一的规划和建设，已经可以满足多个专业信息平台共享的要求，而且还可以对不同数据来源的信息进行分析，为煤矿安全管理拓展开创了新的局面。然而，由于数据收集时抽样方式的差别使得数据无法被充分有效利用，历史数据的规律、数据归档等大数据分析成果与实时安全监控数据之间的联系仍有待加强。针对煤矿安全管理的要求，挖掘大数据在煤矿安全监控预警中的功能，设计以大数据为基础的煤矿安全监控预警平台对于新时代的煤矿安全管理有着深远的意义。
一、安全监控预警平台的功能
通过对过往煤矿安全事故的统计和分析，设备故障、环境影响、人员失误、管理不当等是造成安全事故的主要原因，本文所探究的以大数据为基础的安全监控预警平台则主要是针对设备故障和环境影响而提出解决方案。要解决数据收集时因为抽样方式不同而造成的数据利用不充分的问题，我们需要遵守以下原则，一是防患未然、事前预期;二是事后总结、避免再发;三是利用现代信息通信技术、增强监控预期能力。因此，我们建设的煤矿企业安全监控预警平台需要满足两个功能，第一，高效准确收集和管理数据，为安全监控和预警做好准备;第二，增加智能化分析功能，对于安全事故能够做到快速智能化预警。
二、安全监控预警平台的结构
针对上述提出的煤矿安全监控预警平台的功能要求，平台结构需要包括数据采集、优化、处理和应用四个层面。数据采集层包括监控平台建设和数据实时采集，对煤矿动作环境、设备、安全风险等做好监控，实时数据采集包括煤矿环境类数据和设备类数据，此外还要兼顾地理、人员、设备等基础类信息，以此作为分析的辅助信息;数据优化层需要完成数据存储、清洗和转换的要求，通信技术水平增长要求数据优化层能够快速完成数据采集并存储过程，要求信息数据的实时性和准确性，数据清洗则是利用大数据的智能分析功能高效识别异常数据并做好数据完善，提升数据的可用性，数据转换则是依据标准，明确数据交换的内容和协议，增加数据之间的关系性，使不同类别和时间的数据可以成为统一的整体;数据处理层则是采用统计分析、数据挖掘、智能分析等技术，以设备和环境的所有信息为依据进行模型建设，为煤矿安全预警提供参考和解决方案;数据应用层是对煤矿安全事故进行关联分析，借助处理层建立的模型，为煤矿安全监控和预警提供可行性评价和综合分析，进而增强煤矿企业的安全管理。
三、安全监控预警平台的数据处理
要提升煤矿安全管理平台对安全事故快速预警的能力，需要解决历史数据的规律、数据归档等大数据分析成果与实时安全监控数据之间的联系不紧密的问题，本文设计的煤矿安全监控预警管理平台是一种单因素与多因素同时存在的大数据平台。单因素标签层是为了提升平台的分析和反应速度，对把设备和环境中的某种因素单独进行分析，多因素标签层则是为了深度挖掘和分析所有与煤矿环境、设备相关的安全信息，通过增加关联算法和机器学习算法实现多因素分析功能。单因素标签层包括事故发生概率标签和风险评级标签，事故发生概率标签通过对当前事故数据和因素关联分析，进而利用当前的因素就可以得到事故发生的可能性;风险评级标准则是分析技术与煤矿历史安全数据之间的联系，以此来确定煤矿安全生产的风险等级。多因素标签层则在单因素标签层的基础上，利用关联算法和机器学习算法，以单因素标签为基础建立多因素模型，为煤矿安全监控和预警提供综合性的解决方案，主要有评价模型、分析模型和预警模型等。
四、安全监控预警平台的技术实现
安全监控预警平台的技术实现框架主要包括前端的采集层、工作站层和后端集群层。前端采集层主要的目的是为了完成与当前采集系统的对接工作，前端工作站层是为了实现平台的预警功能，过程为结合收集的数据和本地规则做出实时的预警，后端集群层是在前端数据收集和预警的前提下，调整平台的安全状态，为平台提供综合性的评价和分析。前端工作站层，需要具备对事故做出毫秒级的快速反应，本文设计的平台通过内存数据库快速获取并更新数据，突破本土缓存内存上下大小的限制，再增加HBase确保可以在指定的缓存区找到所需的数据。后端集群层对数据处理速度有着很高的要求，平台需要在每秒内完成上百万条件的数据处理，因此，本文设计的煤矿安全监控预警平台先用了三个解决措施，一是快速的数据存储，建立前后端之间的消息队列平台，利用Kafka把数据发送给Flume，进而实现数据HDFS存储;二是实现实时性的预警，对过去几秒至几分才会反应的现状进行完善，由Kafka完成数据发送，通过Storm或Spark Streamin快速的计算能力，使平台具备近乎实时的反应功能;三是非实时性地发现并调整模型，要加强对历史事件数据的运用，平台就需要在事件发生后掌握事件的原因和规律，本文设计的煤矿安全监控和预警平台则利用Spark对平台数据进行监督，以此来实现有效运用历史数据的目的。
五、结束语
为了解决煤矿安全数据收集时因为抽样方式不同而造成的数据利用不充分问题，本文先是分析了煤矿安全事故的原因，并以此设计了煤矿安全监控预警平台。本文设计的平台先是在数据处理层添加了单因素标签和多因素模型共存的平台结构，在满足平台快速响应要求的同时，还通过多种模型的建立为煤矿安全监控和管理提供综合的解决方案。由此，我们认为，本文建设的平台有着快速响应和综合分析的能力，在分析和判断煤矿安全数据及做出预警反应方面都取得了关键性进展，在煤矿安全管理方面有着很强的实践性。
参考文献
[1]魏志可.煤矿安全监测监控技术现状及发展趋势[J].矿业装备，2021（04）：106-107.
[2]郑艳娓.煤矿安全监控系统维护方法[J].当代化工研究，2021（15）：175-176.
[3]韩建萍.基于大数据的煤矿安全监控预警平台研究[J].数字通信世界，2018（10）：15-17.
作者简介
姓名：梅洋洋出生年月：1994年4月性别：男民族：汉籍贯：陕西延安。
学历：大学本科职称：助理工程师研究方向：矿井“一通三防”。
关键词：大数据;煤矿安全;安全监控;预警平台
在信息通信技术快速发展的背景下，信息化系统建设不断完善，煤矿企业的大数据建设中的数据采集工作已经取得了较大的进展，这些数据也将成为处理和分析煤矿安全生产的基础。据统计，当前煤矿安全管理通过统一的规划和建设，已经可以满足多个专业信息平台共享的要求，而且还可以对不同数据来源的信息进行分析，为煤矿安全管理拓展开创了新的局面。然而，由于数据收集时抽样方式的差别使得数据无法被充分有效利用，历史数据的规律、数据归档等大数据分析成果与实时安全监控数据之间的联系仍有待加强。针对煤矿安全管理的要求，挖掘大数据在煤矿安全监控预警中的功能，设计以大数据为基础的煤矿安全监控预警平台对于新时代的煤矿安全管理有着深远的意义。
一、安全监控预警平台的功能
通过对过往煤矿安全事故的统计和分析，设备故障、环境影响、人员失误、管理不当等是造成安全事故的主要原因，本文所探究的以大数据为基础的安全监控预警平台则主要是针对设备故障和环境影响而提出解决方案。要解决数据收集时因为抽样方式不同而造成的数据利用不充分的问题，我们需要遵守以下原则，一是防患未然、事前预期;二是事后总结、避免再发;三是利用现代信息通信技术、增强监控预期能力。因此，我们建设的煤矿企业安全监控预警平台需要满足两个功能，第一，高效准确收集和管理数据，为安全监控和预警做好准备;第二，增加智能化分析功能，对于安全事故能够做到快速智能化预警。
二、安全监控预警平台的结构
针对上述提出的煤矿安全监控预警平台的功能要求，平台结构需要包括数据采集、优化、处理和应用四个层面。数据采集层包括监控平台建设和数据实时采集，对煤矿动作环境、设备、安全风险等做好监控，实时数据采集包括煤矿环境类数据和设备类数据，此外还要兼顾地理、人员、设备等基础类信息，以此作为分析的辅助信息;数据优化层需要完成数据存储、清洗和转换的要求，通信技术水平增长要求数据优化层能够快速完成数据采集并存储过程，要求信息数据的实时性和准确性，数据清洗则是利用大数据的智能分析功能高效识别异常数据并做好数据完善，提升数据的可用性，数据转换则是依据标准，明确数据交换的内容和协议，增加数据之间的关系性，使不同类别和时间的数据可以成为统一的整体;数据处理层则是采用统计分析、数据挖掘、智能分析等技术，以设备和环境的所有信息为依据进行模型建设，为煤矿安全预警提供参考和解决方案;数据应用层是对煤矿安全事故进行关联分析，借助处理层建立的模型，为煤矿安全监控和预警提供可行性评价和综合分析，进而增强煤矿企业的安全管理。
三、安全监控预警平台的数据处理
要提升煤矿安全管理平台对安全事故快速预警的能力，需要解决历史数据的规律、数据归档等大数据分析成果与实时安全监控数据之间的联系不紧密的问题，本文设计的煤矿安全监控预警管理平台是一种单因素与多因素同时存在的大数据平台。单因素标签层是为了提升平台的分析和反应速度，对把设备和环境中的某种因素单独进行分析，多因素标签层则是为了深度挖掘和分析所有与煤矿环境、设备相关的安全信息，通过增加关联算法和机器学习算法实现多因素分析功能。单因素标签层包括事故发生概率标签和风险评级标签，事故发生概率标签通过对当前事故数据和因素关联分析，进而利用当前的因素就可以得到事故发生的可能性;风险评级标准则是分析技术与煤矿历史安全数据之间的联系，以此来确定煤矿安全生产的风险等级。多因素标签层则在单因素标签层的基础上，利用关联算法和机器学习算法，以单因素标签为基础建立多因素模型，为煤矿安全监控和预警提供综合性的解决方案，主要有评价模型、分析模型和预警模型等。
四、安全监控预警平台的技术实现
安全监控预警平台的技术实现框架主要包括前端的采集层、工作站层和后端集群层。前端采集层主要的目的是为了完成与当前采集系统的对接工作，前端工作站层是为了实现平台的预警功能，过程为结合收集的数据和本地规则做出实时的预警，后端集群层是在前端数据收集和预警的前提下，调整平台的安全状态，为平台提供综合性的评价和分析。前端工作站层，需要具备对事故做出毫秒级的快速反应，本文设计的平台通过内存数据库快速获取并更新数据，突破本土缓存内存上下大小的限制，再增加HBase确保可以在指定的缓存区找到所需的数据。后端集群层对数据处理速度有着很高的要求，平台需要在每秒内完成上百万条件的数据处理，因此，本文设计的煤矿安全监控预警平台先用了三个解决措施，一是快速的数据存储，建立前后端之间的消息队列平台，利用Kafka把数据发送给Flume，进而实现数据HDFS存储;二是实现实时性的预警，对过去几秒至几分才会反应的现状进行完善，由Kafka完成数据发送，通过Storm或Spark Streamin快速的计算能力，使平台具备近乎实时的反应功能;三是非实时性地发现并调整模型，要加强对历史事件数据的运用，平台就需要在事件发生后掌握事件的原因和规律，本文设计的煤矿安全监控和预警平台则利用Spark对平台数据进行监督，以此来实现有效运用历史数据的目的。
五、结束语
为了解决煤矿安全数据收集时因为抽样方式不同而造成的数据利用不充分问题，本文先是分析了煤矿安全事故的原因，并以此设计了煤矿安全监控预警平台。本文设计的平台先是在数据处理层添加了单因素标签和多因素模型共存的平台结构，在满足平台快速响应要求的同时，还通过多种模型的建立为煤矿安全监控和管理提供综合的解决方案。由此，我们认为，本文建设的平台有着快速响应和综合分析的能力，在分析和判断煤矿安全数据及做出预警反应方面都取得了关键性进展，在煤矿安全管理方面有着很强的实践性。
参考文献
[1]魏志可.煤矿安全监测监控技术现状及发展趋势[J].矿业装备，2021（04）：106-107.
[2]郑艳娓.煤矿安全监控系统维护方法[J].当代化工研究，2021（15）：175-176.
[3]韩建萍.基于大数据的煤矿安全监控预警平台研究[J].数字通信世界，2018（10）：15-17.
作者简介
姓名：梅洋洋出生年月：1994年4月性别：男民族：汉籍贯：陕西延安。
学历：大学本科职称：助理工程师研究方向：矿井“一通三防”。