基于大数据挖掘的煤矿安全管理决策模型及仿真研究

Since 2012, due to the economic downturn of coal, coal mine safety management is facing new challenges for lacking steady stream of funding. Traditional safety management decisions couldn’t efficiently use the underlying valuable information hidden in coal mine safety production data, which leads to the poor safety supervision, delay detection of hidden dangers, and low level of safety management decisions. Therefore, making full use of modern information technology to improve efficiency of safety management decisions of our countries’ coal mine enterprises has important practical significance in ensuring coal mine safety management in an orderly manner. In theory, based on big data mining technique, this project will construct intelligent dynamic monitor model on hazard source in coal mine, coal mine safety forecasting model and safety management decision model. In practical, the project will exploit simulation platform of safety management decisions and choose several pilot coal mine to test the relative achievement. By analyzing and distilling information of coal mine safety production timely and accurately with big data mining technique and simulation platform, the project will build an information system of coal mine safety management and finally realize the integration in intelligent security monitoring, warning, and management decision support to improve the level of management decisions and prevent the occurrence of major accident.

自2012年以来，煤炭经济运行步入低谷，煤矿安全投入没有保障，安全管理面临新的挑战，传统的安全管理决策没有充分利用煤矿安全生产数据中隐含的有价值的安全基础信息，导致安全生产监管不力、隐患发现不及时以及安全管理决策水平低。因此，运用现代信息科学技术手段，提高我国煤矿安全管理决策效率，保障我国煤矿安全管理有序进行具有重要的现实意义。本项目拟从理论上建立基于大数据挖掘的煤矿危险源智能动态监控模型，构建基于大数据挖掘的煤矿安全隐患预警模型以及煤矿安全管理决策模型，并选择多个煤矿为试点进行仿真平台的开发和实证研究。利用大数据挖掘和仿真技术，及时、准确地分析提炼煤矿安全生产的相关信息，建立煤矿安全管理信息平台，最终实现安全智能监控、预警以及管理决策支持的一体化，提升煤矿安全管理决策水平，预防煤矿重大事故的发生。

运用大数据等现代信息科学技术手段，提高我国煤矿安全风险管理水平和安全管理决策效率，对保障我国煤炭安全生产和行业发展具有重要的现实意义。项目针对这一问题，针对大数据技术应用于煤矿安全风险管理与决策过程中的关键科学问题展开了深入研究。通过大数据预处理技术构建了煤矿安全管理决策信息的多维数据模型和数据仓库，实现了煤矿安全管理分布式异构数据源的大数据集成。基于煤矿10年内的事故致因分析，建立了煤矿安全信息知识库，进而基于风险源数据流可能性模糊聚类算法，建立了煤矿危险源智能动态监控模型，并采用极速学习机回归和大数据关联规则挖掘原理建立了安全隐患预测模型，奠定了基于大数据的煤矿安全隐患预警相关的基础理论。在以上研究的基础上，结合 MapReduce 并行编程模型，开发完成了“频繁项集产生”和“关联规则产生”并行算法，并分别采用模糊优化和TOPSIS决策方法、分段效用函数方法建立了煤矿日常安全管理决策模型、应急管理决策模型，研发了煤矿安全管理决策仿真平台，并进行了工业性试验和实证研究。项目研究成果得到成功推广，至2020年已累计在五百余座矿井应用，并且依托煤矿数据源，已初步建立了煤矿风险管理大数据体系和“安全云”平台，项目成果在煤炭行业的普及率达到10%左右，产生了较大的安全效益、社会效益和经济效益。项目共资助发表学术论文16篇，其中SSCI/SCI检索7篇，申请软件著作权3项，专著1部，现已撰写完毕等待出版。培养博士后1名，博士研究生2名，硕士研究生5名。项目累计投入经费48.0万元，已执行41.6698万元，除调整国际合作与交流费4.0万元、材料费结余2.0万元至文献费之外，各项支出基本与预算相符。项目现余经费6.3302万元，将用于本项目后续研究支出。