数据挖掘技术在矿井瓦斯灾害预测中应用探讨

总第１３５期　ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００５—２７９８．２０１０．１２．０２３　数据挖掘技术在矿井瓦斯灾害预测中应用探讨　张金山　，辛同军　，孙家驹　，孙　江　（１．内蒙古科技大学矿业工程学院，内蒙古包头０１４０１０；　２．神华神东煤炭集团有限责任公司大柳塔煤矿，陕西神木摘７１９３１５）　要：煤矿瓦斯灾害时刻威胁着矿工生命财产安全，国家煤矿安全监察机构加大了安全检查力度，煤矿　生产单位也越来越重视对瓦斯的安全监测，建立了相应的监测系统。灾害的预防优于灾害的治理。因此，　通过对数据挖掘技术的介绍以及对瓦斯灾害的相关因素分析，提出了利用数据挖掘技术预测瓦斯灾害的　方法和实现步骤。　关键词：数据挖掘；矿井；瓦斯灾害；预测　中图分类号：ＴＤ７１２　．５　文献标识码：Ｂ　文章编号：１００５—２７９８（２０１０）１２—００４７—０３　瓦斯是我国煤矿的主要灾害之一，严重威胁着　我国煤矿的安全生产。矿井一旦发生瓦斯灾害，变　化复杂，发展迅速，影响范围广，往往造成人员伤亡　和财产损失。由于灾害的机理比较复杂，影响因素　识挖掘、知识提取、知识发现等。　数据挖掘也可视为是一类深层次的新型数据分　较多，且具有模糊性和不确定性，矿井瓦斯一直是我　国安全工作的重点和难点。瓦斯灾害防治就成为矿　井最根本、最重要的任务　。　传统的瓦斯预测主要分统计法和计算法两大　类，但都是基于瓦斯涌出量和影响因素之间为线性　关系进行预测的，其准确度不高。现实中矿井瓦斯　涌出是复杂的系统，瓦斯涌出量的大小是受自然因　素和人为因素综合作用的结果，是非线性关系。随　着计算机技术的快速发展，数据挖掘技术是近年来　最快速发展的一种分析和决策方法，它以历史数据　为基础，结合数据仓库技术，通过分析和挖掘历史数　据，找出隐藏在数据内部的关系模式　Ｉ４］。对于影　响瓦斯灾害的各种因素，可以将它们组成一个数据　析方法，它与传统的数据分析（查询、报表、联机应　用分析）的本质区别在于：数据挖掘是在没有明确　假设的前提下去挖掘信息、发现知识，所得到的信息　通常是预先未知的、也是很难预料到的，甚至与人的　直觉是相违背的，但又是非常有用的；而传统的数据　分析得到的信息则是浮在表面的、人的直觉能够感　受到的、或与人的直觉较为相近的　ｊ。　１．２数据挖掘的任务　数据挖掘任务有６项：关联分析、时序序列、聚　类、分类、偏差检测、预测。　１）　关联分析：从数据库中发现知识的一类重　要方法。若两个或多个数据项的取值之间重复出现　且概率很高时，就存在某种关联，可以建立起这些数　据项的关联规则。　２）　时间序列：通过时问序列搜索出重复发生　概率较高的模式。这里强调时间序列的影响。　３）　聚类：数据库中的数据可以划分为一系列　有意义的子集，即类。在同一类别中，个体之间的距　仓库，利用数据挖掘技术找出各类煤层在这些因素　上的特征值，然后再利用这些特征值，对瓦斯进行预　测。　１数据挖掘技术　１．１数据挖掘的概念　离较小，而不同类别的个体之间的距离偏大。聚类　增强了人们对客观现实的认识，即通过聚类建立宏　观概念。聚类方法包括统计分析方法、机器学习方　数据挖掘（Ｄａｔａ　Ｍｉｎｉｎｇ）是指从大量的数据（结　法和神经网络方法等。　４）　分类：数据挖掘中应用得最多的任务。分　类是找出一个类别的概念描述，它代表了这类数据　的整体信息，即该类的内涵描述。一般用规则或决　策树模式表示。该模式能把数据库中的元组映射到　给定类别中的某一个。　构化和非结构化）中提取有用的信息和知识的过　程。在这个定义中，要求数据源应该是大量的、真实　的、含有噪音的；所发现的信息和知识是潜在的并隐　藏在大量数据背后的，是用户感兴趣的、可理解、可　运用的知识。所以，数据挖掘有时也被人们称为知　收稿日期：２０１０－０９－２７　作者简介：张金山（１９５９一），男，河南沁阳人，教授，硕士，主要从事采矿工程的教学及研究工作。　４７　张金山等：数据挖掘技术在矿井瓦斯灾害预测中应用探讨　第１９卷第１２期　５）偏差检测：数据库中的数据存在很多异常　情况。从数据分析中发现这些异常情况也是很重要　的，应引起人们对它更多的注意。　６）预测：利用历史数据找出变化规律，建立　模型，并用此模型来预测未来数据的种类、特征等。　２控制瓦斯涌出量的影响因素　研究影响矿井瓦斯涌出量的因素是为给矿井设　计和瓦斯管理提供重要的依据，也是保证矿井安全　生产的需要。影响瓦斯涌出量主要包括以下两大方　面：　２．１地质因素　１）　煤层和邻近煤、岩层的瓦斯含量。开采煤　层的瓦斯含量高，其瓦斯涌出量也必然大。在一般　情况下，矿井瓦斯含量和瓦斯涌出量呈正比关系，开　采煤层本身的瓦斯含量并不高，但在开采煤层的上　部或下部赋存有瓦斯含量大的煤层（通常称之为邻　近层）或岩层，由于受开采的影响，这些邻近煤（岩）　层中的瓦斯就要大量流人开采煤层的采空区和生产　空间，从而增加了矿井的瓦斯涌出量。这些是矿井　瓦斯涌出量的决定因素。此外，邻近层的厚度、层数　以及与开采层的间距等也都明显地影响到矿井瓦斯　涌出量。　‘　２）　煤层和围岩的渗透性。煤层与围岩的渗　透性对于矿井瓦斯涌出量的大小具有十分重要的影　响。渗透性强的煤层，瓦斯易于在其中流动，流速　快，瓦斯涌出强度大，矿井瓦斯涌出量就大；围岩的　瓦斯渗透性强，有利于邻近煤层的瓦斯向开采层的　开采空间放散，矿井的瓦斯涌出量也随之增大。影　响煤层和岩层渗透性的因素除与原生孑Ｌ隙度、孔隙　大小、后期遭受构造破坏的程度及构造裂隙的性质　有关外，还与在受采动后煤层和围岩所产生的采动　裂隙的发育程度以及采动裂隙发育的范围有关。采　动裂隙的发育程度及发育范围又与顶底板岩石的机　械物理性质、松散比、工作面长度、开采范围、作业方　式等因素有关。　３）　瓦斯压力与煤岩力学性质。在一定的瓦　斯压力范围内，煤体变形量随着瓦斯压力的增大而　增大，瓦斯涌出量也随之增大，相反煤体变形量随着　瓦斯压力的降低而减小，瓦斯涌出量也随之减小。　此外，煤体强度越大，所能承受的载荷就越大，煤体　所产生的变形值就越小，瓦斯的涌出量就越少。　２．２开采因素　１）　开采规模。开采规模泛指开采深度、开拓　和开采范围、矿井产量以及工作面个数、长度、推进　速度等。在一定深度范围内煤层瓦斯含量随埋藏深　４８　度的增加而增大。在目前开采技术条件下，开采深　度越深瓦斯涌出量一般也就越大。在相似的瓦斯地　质条件下，开拓与开采范围大、产量增加、水平和采　区其绝对瓦斯涌出量相对较大。当开拓与开采达到　一定范围，产量达到一定水平之后，矿井相对瓦斯涌　出量达到一定数量后变化不大。在生产工艺和瓦斯　地质条件基本相似的条件下，随着产量的增减矿井　绝对瓦斯涌出量有明显的增减，而相对瓦斯涌出量　的变化则不明显。　２）　开采顺序。近距离多煤层或厚煤层分层　开采时，首采煤层（或首分层）瓦斯涌出量较高，除　因本身的瓦斯涌出量外，邻近层或其他分层的瓦斯，　也会通过各种途径涌人首采层的采空区和开采空间　中来。　３）通风压力和风量。通风压力的增减，必然　影响到瓦斯涌出平衡压力的变化，即影响到矿井瓦　斯涌出量的变化。　４）　采空区管理。如果采空区密闭的质量不　好，或其进、回风巷两侧通风压差较大，就会造成采　空区大量漏风，而把更多的瓦斯带出来，从而导致矿　井瓦斯涌出量增大。　３　数据挖掘技术在瓦斯灾害预测中应用　影响瓦斯的因素较多，如岩层的瓦斯含量、煤层　和邻近煤、煤层和围岩的渗透性、瓦斯压力与煤岩力　学性质、通风压力和风量、开采规模、开采顺序、采空　区管理。虽然，瓦斯与这些因素有关，但灾害的危险　性却很难利用这些因素的一个计算公式导出。利用　数据挖掘技术，将瓦斯的影响因素组成一组记录集　合，通过对这些记录集合进行数据挖掘，则可以实现　瓦斯的预测。例如，可以将这些因素组成一个记录　集合模式如下：煤层标识；瓦斯放散初速度；瓦斯压　力；构造煤类型；软煤分层厚度；煤层围岩透气性；煤　的坚固系数。首先，可以将煤层分成高瓦斯威胁区、　中瓦斯区和低瓦斯区煤层。取一组结论已知的煤层　（这些煤层应该包括高瓦斯威胁区、中瓦斯区和低　瓦斯区煤层），并将这些煤层的影响瓦斯的因素值　组成一组记录集合，然后通过对这组记录的分类分　析，找出各类煤层的特征值。其次，在分析出各种煤　层的特征值之后，可以取一些结果未知的煤层，将它　们的影响瓦斯的因素值组成一组记录集合，通过输　入各类煤层的特征值，对这些煤层进行划分，以确定　各个煤层的瓦斯等级。因此，将数据挖掘的分类技　术和聚类技术相结合，通过分析瓦斯的相关因素，可　以实现瓦斯的预测。　２０１０年１２月　张金山等：数据挖掘技术在矿井瓦斯灾害预测中应用探讨　第１９卷第１２期　４以数据挖掘为基础的瓦斯灾害预测系统　据建立模型，可以在这个步骤使用各种数据挖掘算　体系结构及步骤　法和技术。然而，对于特定的任务，需要选择正确合　以数据挖掘技术为核心的瓦斯灾害预测系统体　系结构，如图１所示。其中，数据仓库、数据库、其它　数据库和文件系统表示监测数据可以是各种形式的　适的算法，来解决相应的问题。　５）　信息解释。首先，通过数据挖掘技术发现　４）　数据挖掘。数据挖掘步骤主要是根据数　的知识需要专家对其进行解释，帮助解决实际问题。　然后，根据可用性、正确性、可理解性等评价指标对　解释的结果进行评估。只有经过这一步骤的过滤，　数据挖掘的结果才能够被应用于实践。　数据源。对于数据挖掘来说，为了提高数据挖掘结　果准确性，数据的选取要尽可能的广泛，而对于一个　矿区，监测数据的记录方式可能有多种方式，因此，　预测系统应该兼容多种数据源。利用数据挖掘技术　实现瓦斯灾害预测的步骤：　图１　瓦斯灾害预测系统体系结构　１）　确定挖掘对象。了解要解决的问题，认清　数据挖掘的目标，规定对结果进行衡量的标准以及　整个项目预算等。在确定挖掘对象时，需要确定从　何人手；需要挖掘什么数据；要用多少数据；数据挖　掘到什么程度。数据挖掘是一个过程，在挖掘中还　可能提出新的问题。　２）　数据收集。数据是挖掘知识最原始的资　料，只有从正确的数据中才能挖掘到有用的知识。　为特定问题选择数据需要领域专家参加。因此，领　域问题的数据收集好之后，和目标信息相关的属性　也选择好了。　３）数据预处理。数据选择好以后，就需要对　数据进行预处理。数据预处理包括：去除错误数据　和数据转换。错误数据，在统计学中称为异常值，应　该在此阶段发现并且删除。否则，它们将导致产生　错误的挖掘结果。同时，需要将数据转换成合适的　形式。例如，在某些情况下，将数据转换成向量形　式。另外，为了寻找更多重要的特征和减少数据挖　掘步骤的负担，可以将数据从一个高维空间转换到　一个低维空间。　６）　可视化。可视化技术主要用来通过图形　化的方式显示数据和数据挖掘的结果，从而帮助用　户更好的发现隐藏在数据之后的知识。它可以被应　用在数据挖掘的整个过程，包括数据预处理、数据挖　掘和信息解释。数据和信息的可视化显示对用户来　说非常重要，因为它能够增强可理解性和可用性。　７）评价。对于每一个分析结果，应给出一个　评价。如果对分析结果不满意，可以重复前面的过　目前，许多数据库生产商都推出了自己的数据　ｆ１　解决方案及数据分析和挖掘工具。充分利用这　些ｌＬ较成熟的技术，可以大大提高瓦斯灾害预测的　准确　和效率。　５结语　现在，数据挖据技术主要应用于商业、银行、金　融、制造、通信等领域，产生了很大应用价值。对矿　山而言，如何使用数据挖掘技术还是一个崭新的课　题，富有挑战，也充满机遇。它的引入必将给矿山企　业信息化带来新的变革，推动数字矿山建设，提高矿　山信息化的水平。从而，矿山企业将会产生巨大的　社会效益和经济效益。　参考文献：　［１］　陈铭，王继仁．煤矿瓦斯灾害防治技术的研究［Ｊ］．　煤炭技术，２００９（３）：１．　［２］　李鑫，齐庆杰，刘萍．煤矿瓦斯灾害防治研究进展　［Ｊ］．煤炭技术，２００９（１）：１．　［３］　邵良杉，付贵祥．基于数据挖掘的瓦斯信息识别与决　策［Ｊ］．辽宁工程技术大学学报，２００８（４）：２８８．　［４］付华，王雨虹．基于数据挖掘的瓦斯灾害信息融合　模型的研究［Ｊ］．传感器与微系统，２００８（１）：５２．　［５］苏新宁，杨建林．数据挖掘理论与技术［Ｍ］．北京：科　学技术文献出版社，２００３：５—７．　［责任编辑：魏晋英］　４９