金属地下矿山安全隐患大数据分析与应用

金属地下矿山安全隐患大数据分析与应用报告

目录问题的提出安全隐患大数据分析分析结果的应用结束语一二三四1.严峻的客观条件——作业条件复杂多变、劳动环境恶劣2.动态、范围广的生产作业——多工种、多地点、多装备，安全

隐患致因复杂3.越来越高的安全要求——本质安全、主动安全，要求矿山的安

全管理从事后分析全面转变为事前预防4.无处不在的安全隐患——隐患的及时排查与治理对于保障安全生产、避免安全事故具有重要的意义5.常规、普遍化的管理方式——安全检查。矿山通常建设管理信

息系统完成安全检查的信息化与数字化

一、问题的提出

1、复杂的矿山安全隐患

1.数据量大：我国工矿企业每年约排查出隐患523.1万项，数据量

约为127.3GB。2.数据不规范：非结构化、文本形式、随意性强3.数据的生命周期短：只行使了管理职能，完成了问题的记录、

处理过程、奖惩措施等，甚至只作为考核与罚款的依据而设立4.缺乏对数据深层次的利用：大量的数据资源存储并闲置，无法

为矿山安全管理提供有针对性的支撑

一、问题的提出

2、安全检查面临的困境

一、问题的提出

3、大数据分析：挖掘安全隐患中的隐藏知识

主要针对安全隐患排查过程中出现的非结构化文本数据

采用大数据分析中的文本挖掘与可视化方法，对矿山安全隐患数据

进行知识发现

以问题为导向，进行大数据分析，以挖掘安全隐患中的隐藏知识

从隐患致因、时间及空间等不同维度，分析隐患的出现密度

安全隐患的主题归集与高频隐患的出现规律3

面向安全隐患主题挖掘的矿山隐患语义网络分析

安全隐患辨识分析通过什么措施可以防止隐患的扩大与事故的发生？

一、问题的提出

4、问题导向：安全隐患大数据分析的具体方法与解决的问题

构建安全隐患的多维数据集矿山有哪些环节安全隐患频发，应重点关注？12安全隐患是因为什么产生的？表现是什么？怎么处理文本为主、记录不规范问题？

安全隐患的关联性与并发性分析4报告

目录问题的提出安全隐患大数据分析分析结果的应用结束语一二三四编号

时间地点隐患问题1

2017/5/19

X08137采场上盘锚杆不到位，有积水，通风不良。2

2017/5/20

X07083采场迎头顶板破碎，有一个大断层，发生严重冒落。3

2017/5/20

X11075溜矿井无照明和标志牌。4

2017/6/13

S16166采场采联口风机吊挂不规范。5

2017/6/13

S05135采联外口配电箱无门，接地极不规范，采联无照明。6

2017/6/21

S11175采场无照明，上盘顶板缺锚杆，采场没通风设施，空气质量差。7

2017/6/21

S14186采场内无照明，风带距作业面较远，抽出式风机接地极未入地安装。8

2017/6/21

主斜坡道放矿站斜坡道压顶作业面顶板多处浮石。9

2017/6/21

辅助斜坡道辅助斜坡道文明生产较差，路面存有淤泥、石块坑洼不平。10

2017/6/27

S16181采联内铁壳开关无接地眼，接地极未入地安装。

二、隐患大数据分析

1、多维数据集的构建——数据规范化清洗及规范化——时间、地点、隐患描述安全隐患源数据——来源于现场安全检查5年的采集数据

二、隐患大数据分析

1、多维数据集的构建——语义构建与测频序号隐患词汇词频序号隐患词汇词频1锚杆支护534311炸药9962浮石477712路面9853顶板405613导爆管8714照明326614吉普车7515迎头278015通风7506积水159116节理6997风带124217裂隙6888风机111618掘进6809配电箱110519冒落67310文明生产110420戴安全帽643形成隐患文本语料库词频分析——面向文本挖掘的大数据分析

环境影响

物的因素

人的行为

管理问题点物的不安全因素人员不安全行为管理问题物的因素环境影响管理问题地点词频词汇词频词汇词频词汇词频词汇词频支护5343风带1242浮石4777文明生产1104顶板4056680风机1116照明3266戴安全帽643迎头2780616配电箱1105积水1591防护措施543路面985

地点344炸药996通风750超载465风井581下井301导爆管871节理699安全标志456斜坡道474充填244吉普车751构造621超员233硐室374升井232电缆592淤泥560司机218井口368出矿202杂物580岩石482防护栏214溜井293洒水166变压器环境危石454无人作业181运输巷284

二、隐患大数据分析

2、面向安全管控维度的隐患可视化表征词汇致因维度：冲帮吊挂

掘进

人的行为501

二、隐患大数据分析

012年11

2

2011年：通讯：进风152011年词汇照明20年支支护20年：浮尘顶板401

20

浮石刷顶20年超载进路20年冲帮194迎头

20

迎头导爆管20144炸药131

词汇

浮石

照明升井

车、电焊机炸药风机时间维度：顶板2、面向安全管控维度的隐患可视化表征2011

2012

2013

2014

2015

2016

2017时间/年120010008006004002000致因维度：浮石——

炸药——

积水迎头风机

风带

锚杆支护隐患出现频率/次词频配电箱410205226228535187顶板照明1400

二、隐患大数据分析

2、面向安全管控维度的隐患可视化表征安全隐患空间规律分布图隐患地点分成了

S12186

254

16个采场区域

S14186

239X07087

226

独立的西风井。X07105

225根据矿山隐患空间分S布131规86律图，对矿山02频隐患地点及问题进行整体

斜，坡可道指导安全管理19人7

员针对

高频隐患地点及特定问X题09展10开5专项治理

170S15186122S10167115X05111

108主斜坡道

164西风井105数量

隐患地点数量

矿山主要运输部分

X07097

228X06111X08059

S18156X08055

X05103致因维度：时间维度：空间维度：144141140132123隐患地点斜井口/p>

二、隐患大数据分析

3、隐患辨识——隐患主题域挖掘与归集矿山的安全隐患集中在哪些主题上？——构建矿山隐患主题挖掘模型：

引入LDA隐含狄利克雷分布算法

综合挖掘矿山生产作业中存在的隐患主要问题以及所产生的事故诱导

因素进行深入挖掘，获取矿山安全隐患主题。Gibbs参数

估计不精确十折交叉

检验

精确基于LDA算法的隐患主题挖掘流程淘汰LDA主题模

型计算词频统计安全隐患数据主题提取结

果TF-IDF加权数据处理模型计算结果表示数据收集文本分词支护问题支护、锚杆、两帮、顶帮、网度、浮石作业问题作业、掘进、现场、刷顶、冲帮、人员、施工、不彻底车辆运输问题吉普车、超载、超员、下井、升井、灭火器、铲运机管线问题风带、电缆、破损、吊挂、架线、水管、照明线机电问题接地、风机、配电箱、变压器、开关、接地线通风问题通风、一氧化碳、氧气、空气质量、风机、风带、风门、风流炸药问题炸药、导爆管、炸药桶、炸药箱、上锁、存放、裸放文明生产问题照明、积水、文明生产、路面、杂物、淤泥、坑洼、不平

二、隐患大数据分析

冒顶片帮问题顶板、破碎、裂隙、冒落、开裂、节理、危石、发育通过对主题挖掘结果进行分析

及实地调研发现

，获得的10个安

全隐患主题很好的反应了该矿山

在2011年至2017年间存在的主

要安全隐患类型。3、隐患辨识——隐患主题域挖掘与归集安全防护问题标志、无防护、防护栏、安全帽、背甲安全隐患主题

关键词基于

LDA-Gibbs的隐患主题挖掘结果

二、隐患大数据分析

4、基于语义网络的隐患致因挖掘——隐患因果规律词频分析只是把隐患因素看作单一的个体，而事故发生或隐患的

矿山安全隐患词汇共现矩阵

出现由多个因素共同作用的结果

Ti

T1

T2

T3

T4

T5

T6

T7

T8

T9

T10

(1)

隐患问题与隐患致因可表示为：

Sn={T1

，T2

，T3

，T4

，

ⅆ

,

Tn

}

其中：

Sn

为隐患问题；Tn

为隐患因素。(2)运用ROSTCM6文本挖掘软件进T10

0

0

0

0

0

0

0

0

462

021810128187949952026322519702181143210823493330001432128101216369307000108287912160214209000349499369214000000000000046233352030720900000026300000000225000000001970000000行共词分析T1T2

T3

T4

T5

T6

T7

T8

T9

二、隐患大数据分析

4、基于语义网络的隐患致因挖掘——隐患共现规律地下金属矿山安全隐患语义网络图

二、隐患大数据分析

4、基于语义网络的隐患致因挖掘——隐患共现规律隐患语义网络进行中心性：探究隐患因素与隐患问题间的影响程度。这一过程通过社会网络分析软件

Ucinet来完成

。网络中心势为8.75%，说明网络中安

全隐患高频词的集中趋势不明显，网络

异质性为

5.30%，表明网络中主要节点

之间连接分布不均匀。这说明该矿山安

全隐患问题及隐患类型相对分散比较符

合矿山隐患特征。从网络密度分析结果中可知

，

该矿山

安全隐患语义网络密度为0.0399

，

结果

呈强关联性

，

表明该矿山安全隐患语义

网络中各隐患节点间具有较强关联性。网络密度分析结果网络中心势分析结果网络中心势分析网络密度分析顶板问题

迎头（掘进面）问题以部分主要隐患问题为例，从整

体网络中获取相应问题的隐患网络，

针对性的进行隐患辨识与分析。

顶板问题：顶板破碎、顶板冒落、顶板

裂隙、顶板残药、顶板浮石。

迎头（掘进面）问题：迎头部位隐患问

题较多且顶板相关隐患问题突出，

其余

隐患问题包括积水、照明、风带、浮石、

支护等。

支护问题：与浮石问题具有较强关联性

浮石问题：冲帮作业不彻底、刷顶作业

不彻底。

二、隐患大数据分析

4、基于语义网络的隐患致因挖掘——隐患辨识分析支护问题

浮石问题

配电箱问题：配电箱接地不规范，

相关

隐患点包括变压器、风机、地极，

且这

些问题的关键点为接地

积水问题：路面淤泥、路面不平、路面

坑洼、路面积水，

路面不平是关键点。

照明问题：照明损坏、照明不足，

与变

压器频繁共同出现，且多发于迎头（掘

进工作面）的作业活动中。

风带问题：风带破损严重、风带跟进不

及时，

多与风机问题共同出现。

二、隐患大数据分析

4、基于语义网络的隐患致因挖掘——隐患辨识分析配电箱问题积水问题利用隐患语义网络可对复杂的隐患问题进行剖析

，可作为大数据背景下安全隐患

辨识分析的新思路。照明问题风带问题

对于一项隐患的有效预防可以在一定程

度上避免其它隐患的产生

这种规律性是隐含的，甚至是反直觉的Apriori算法：基于规则的机器学习算法

二、隐患大数据分析

不同安全隐患间有一定的内在关联性：即一个隐患的发生通常会导致另一项隐

患的并发5、安全隐患并发规律分析计算值>

=

min-sup开始LK为空剪枝输出结果结束扫描数据集产生Lk输入数据集与

min-support连接LK产生CK+1否否

二、隐患大数据分析

5、安全隐患并发规律分析关联规则挖掘结果（部分）Rule1表示：

在安全隐

患检查中顶板与两帮都出

现支护欠缺或者支护不到

位等相关问题时

，通常伴

随浮石问题，

置信度为

98.33%

，

这种情况占全

部隐患数据的1.02%左右。按照此规则进行安全隐患

检查比随机检查发现浮石

隐患的效率提升6.85倍。0.010274720.98333336.8484490.022682750.619500612.5811750.022160300.6706192

4.8729680.012669250.6258065

20.6228810.011145460.5140562

17.2874930.046628060.50023354.5739900.021594320.9744597

41.525724{支护,顶板,

两

帮}=>{浮石}{配电箱}=>

{接地}{两帮}=>

{顶板}{超载}=>{吉普车}{上锁}=>{导爆管}{迎头}=>

{支护}{冲帮}=>

{刷顶}序号规则支持度

置信度

提升效率1234567

二、隐患大数据分析

通过对矿山安全隐患关联知识进行可

视化

，

直观的展示出安全隐患间的关联

关系

，

可以此指导安全管理者对矿山安

全隐患形式快速做出分析

，

以及制定相

应的隐患治理方案。5、安全隐患并发规律分析关联规则挖掘结果可视化表示图报告

目录问题的提出安全隐患大数据分析分析结果的应用结束语一二三四

协助“双体系”建设，为矿山生产