智慧矿山大数据技术分析与平台设计

智慧矿山大数据技术分析与平台设计【摘要】：大数据应用已开始在智慧矿山建设中发挥重要作用，其必将推动矿山二化融合的进一步发展，从而提高矿山企业的生产效率。随着智慧矿山建设的深入推进，海量数据的堆积已成为一种新生态，数据已成为矿山企业生产与管理中的生产资料和潜在的生产力要素，为了充分利用和发挥海量数据的商业价值和潜在的生产力，从分析智慧矿山大数据现状出发，研究了矿山大数据的概念、特点和应用，简述了大数据技术与方法，针对智慧矿山的需求提出了大数据应用平台的基本方案，分析了关键技术和具体应用，可为智慧矿山建设提供借鉴。关键词：智慧矿山；安全管控；大数据一、智慧矿山理念的构成体系与特点阐述伴随着科学技术的不断发展，矿山开采行业信息化建设面临着越来越多的热点需求。同时，也对工作效率提出了不断提升的要求。在此基础条件下，推行智慧矿山的理念建设是十分必要的。目前国内的智慧矿山已经在绝大多数的先进矿山企业以及矿山信息化和设备制造行业开始了实践应用，智慧矿山已经成为矿山行业未来发展的重要趋势。正确的理解并应用智慧矿山理念是矿山行业实践及发展的前提。智慧矿山理念中包含了机械化逐渐取代人工进行作业的思想，将人员从大量危险繁重的工作中进行解放，减少井下人员的投入，尽可能的使用智能机械设备代替人工作业。其次智慧矿山是将矿山进行数字化呈现，将矿山自身的各项数据实现信息化、可视化整合，将矿山的生产状态，作业环境安全状态、经营情况分析等各项关键数据进行展示，最终实现领导决策层利用各项数据对矿山的生产、安全、经营进行综合评价，保证矿山企业安全生产活动平稳，高效的运行。2矿山安全管控平台建设需求分析2.1对数据获取的多样性要求进行满足基础数据、经营投资和安全管理数据、外部数据和物联感知数据都是矿山生产的重要数据类型。主要的矿山静态数据包括了矿山的基础信息、经营投资数据、安全管理数据等。矿山动态的物联网感知数据指的主要就是企业生产过程中感知设备所收集的包括设备运行状态、环境参数等数据，这些数据都属于工业大数据，具有时间跨度大、增长速度快、位置相关的特点。外部数据主要指的就是企业的生产活动和产品投放向相关企业的外部信息，其主要的来源式企业舆情、市场预测、行业评价等互联网数据。如何对静态和动态数据进行全面采集，以此来对数据的全面性和多样性进行保证，这已经成为了建设智慧矿山安全管控大数据平台的重要基础保障。2.2与矿山生产大数据的特征相适应数据体量大主要指的就是矿山企业在生产的过程中产生不间断的动态数据，比如说机电设备运转数据、检测数据、相关人员运动轨迹数据、视频监控图像等多种数据，并且矿山安全监管部门多年来也一类了大量的执法和监管数据。增长速度快主要指的是自动化和物联网系统大量的运用到了矿山安全生产管理中，子系统的数量越来越多，并且各个系统二十四小时不间断运行，这样一来就产生了大量的数据，使数据的增长速度不断加快。数据种类繁多主要指的就是有结构化数据和有半结构化与非结构化数据，有结构化数据主要是瓦斯监测数据、产量、入井人数等，有半结构化和非结构化数据主要使照片、音频文件、监控视频流、规章制度文件、应急预案等，这里恶行数据的比例相对要高一些。数据交织密度低主要说的就是井下得各种类型得监测设备和传感器在实时运行，对井下生产环境和设备运行状况进行连续得监控，进而产生海量得不间断数据，但是具有真正价值得数据比例却不高。可信赖性低主要说的就是以目前生产安全管控的情况来看，数据填报得真实性、周期性、可获取性都比较差，共享交换数据、非结构化视频数据得真实性、周期性、可获取性比较好，感知的监测监控数据的实性、周期性、可获取性需要进行提高。2.3对全方位的数据和信息进行融合不同来源数据间相互关联和自相关也是矿山大数据所具有的一个重要特征，从关联的复杂海量数据中进行潜在知识的挖掘，并获取可分析过去、感知现在和预测未来的深层智慧，以此来保证风险预警和智能研判的实现。矿山行业历经了对年的信息化应用，产生了海量的结构化数据和非结构化数据，主要有矿山的地质测量数据、生产自动化监测控制数据、以瓦斯及一氧化碳为主的环境监测监控数据、GIS数据、矿图数据和监控视频的图像数据等。结构数据使技术人员需要重点分析的数据，约占5%。剩下的一些格式不一、混杂的板结构化和非结构化的数据现在还没能被开发和利用。大数据分析技术可以从更多的酵素进行事故的预测和感知，实现安全管理关口前行，同传统的事故分析相比精确度更高，不过全方位数据和信息的智能感知与融合分析使目前急需解决的问题。3、煤矿安全智能控制平台的关键技术3.1基于云的数据采集、存储和治理技术云计算是传统计算机与分布式计算、并行计算、效用计算、网络存储、虚拟化、负载均衡、热备份冗余等网络技术融合的产物，实现了从资源到架构的整体弹性。云平台为上层应用提供各种虚拟资源，包括虚拟主机、云存储、数据库服务、网络服务和集群服务。煤矿海容量数据的存储应根据数据类型采用关系数据库、实时数据库和分析数据库，并根据使用频率对热数据、暖数据和冷数据进行规划和维护。针对海量数据中存在的数据质量不高，如数据精度低、数据干扰过多等问题，数据治理成为一项非常重要的工作。数据治理主要包括元数据管理、数据规则制定、质量评估等方面。3.2施工技术风险指标体系煤矿企业是一个高风险行业，地下开采地质条件复杂，作业场所狭窄，环境恶劣，顶板、洪水、火灾、瓦斯、煤尘等5大灾害在煤矿实际生产过程中给煤矿带来了极大的安全隐患。随着生产的不断进行，新水平、新矿区、新工作面的不断发展，以及生产衔接等，增加了风险管理的复杂性。基于煤矿信息化建设，风险指标体系建设技术弱化了头脑风暴和专家经验在风险评估中的参与权重。它以煤矿安全规程等安全生产标准为基础，将多源实时感知的动态信息与安全管理过程等静态信息进行集成。该风险指数模型具有两个指标体系、五个主要指标组成、主要指标中因素的动态和静态组合、区域企业双重风险分析和指标权重的动态计算等主要特征。3.3视频智能分析技术为确保煤矿安全生产，企业配备了视频监控系统。地面调度人员可以通过视频直接对井下进行实时监控，在安全生产、危险救援、调度指挥等方面发挥积极作用。智能视频分析技术在图像处理、模式识别、人工智能等领域，改变了之前的视频“被动”监控状态，不仅仅局限于提供视频图像，并且能够主动智能视频信息的分析，识别并区分对象，可定制的事件类型，一旦发现异常情况或紧急情况能够及时报警，它在安全生产中的应用将有助于克服人体疲劳的局限性，从而更有效地协助安全人员处理突发事件。智能视频分析技术能够自动提取和分析视频中的相关信息，具有提高报警精度、全天候自动监控、提高响应速度等一系列优点。结束语总之，矿山资源对于我国经济的发展有着至关重要的推动作用，伴随着矿山信息化建设水平的不断深入和提高，数据采集的广度和深度也在不断的发生变化，在未来的发展中智慧矿山安全管控数据大平台必然成为生产经营者需要应用的一项重要安全管理技术。参考文献