基于本體的瓦斯災(zāi)害預(yù)警模型研究

支向陽,呂岳東,陳立潮,郭勇義

(1.山西省投資促進(jìn)局,太原030001;2.太原科技大學(xué)計(jì)算機(jī)學(xué)院,太原030024;3.太原科技大學(xué)環(huán)境工程學(xué)院,太原030024)

在煤礦安全生產(chǎn)中,瓦斯事故已經(jīng)成為一個(gè)不可忽視的問題,嚴(yán)重危害著礦工的生命和國家財(cái)產(chǎn)的安全。引起瓦斯事故的原因是多種多樣的,如瓦斯自身狀態(tài),引火源,地質(zhì)構(gòu)造等因素。隨機(jī)因素是不可避免的,但是如果可以及時(shí)的監(jiān)控井下,獲得實(shí)時(shí)的數(shù)據(jù)并加以分析,就可以在最短的時(shí)間內(nèi)發(fā)現(xiàn)安全隱患,采取相應(yīng)的措施將損失降到最低。

傳統(tǒng)的瓦斯預(yù)警方法注重瓦斯機(jī)理,取得了一定成果,國外對煤與瓦斯突出機(jī)理的認(rèn)識可歸納為4種：地應(yīng)力假說、瓦斯作用假說、化學(xué)本質(zhì)假說和綜合作用假說。但是傳統(tǒng)方法在預(yù)測過程中,數(shù)據(jù)不完整、可靠度低,評價(jià)方式主觀因素過強(qiáng),以及預(yù)測結(jié)果的非動態(tài)性都會導(dǎo)致瓦斯預(yù)警的失敗。

本體是一個(gè)融合了概念、屬性、表示關(guān)系、表示實(shí)例、表示公理的集合概念。本體的基本建模元語是五個(gè)：類(class),關(guān)系(relation),函數(shù)(function),公理(axiom)和實(shí)例(instance)。通常也把classes稱作concepts。謂詞邏輯和描述邏輯是本體語言的邏輯基礎(chǔ),也是本體語義功能實(shí)現(xiàn)的基礎(chǔ)。

與傳統(tǒng)方法相比,本體在表達(dá)多屬性數(shù)據(jù)以及數(shù)據(jù)之間的語義關(guān)系時(shí),有數(shù)據(jù)冗余度小、語義描述清晰和數(shù)據(jù)無異構(gòu)等特點(diǎn)。同時(shí),謂詞邏輯和描述邏輯是本體語言特有的邏輯基礎(chǔ),也是本體語義推理功能實(shí)現(xiàn)的基礎(chǔ)。在瓦斯預(yù)警中,本體語義推理實(shí)現(xiàn)了對實(shí)時(shí)數(shù)據(jù)的自處理,提高了預(yù)測效率。本文將通過本體、小波神經(jīng)網(wǎng)絡(luò)以及灰色系統(tǒng)理論在瓦斯預(yù)測功能上的比較來說明本體在瓦斯事故預(yù)警上的優(yōu)點(diǎn)。

1 瓦斯事故本體預(yù)警模型

1.1 構(gòu)建瓦斯預(yù)警模型

基于本體的瓦斯事故預(yù)警效果的好壞和瓦斯事故本體的質(zhì)量有很大關(guān)系。因此,如何構(gòu)建本體預(yù)警模型是能否成功預(yù)警的關(guān)鍵。本體質(zhì)量的好壞和以下兩點(diǎn)內(nèi)容關(guān)系密切：

1)本體中的基本概念的完整性和準(zhǔn)確性;

2)本體中概念之間規(guī)則和推理規(guī)則的完整性和準(zhǔn)確性。

為了確保本體的質(zhì)量,通過調(diào)研和查閱大量相關(guān)文獻(xiàn)可知礦井瓦斯的事故狀況與諸多情況有關(guān),瓦斯事故相關(guān)現(xiàn)象是復(fù)雜多樣的,必須將這些現(xiàn)象細(xì)化,再確定相關(guān)的數(shù)據(jù)的屬性,以此確保構(gòu)建本體時(shí)概念和規(guī)則明確。但是,最重要的幾個(gè)因素是：瓦斯自身的狀態(tài)、瓦斯所處的地形因素、礦井的通風(fēng)狀況和引火源?，F(xiàn)存的大多數(shù)瓦斯安全評價(jià)體系都是在這些因素的基礎(chǔ)上產(chǎn)生的評價(jià)數(shù)據(jù),它們是預(yù)警的重要依據(jù)。

首先,要在這些因素的基礎(chǔ)上抽取概念來確定他們之間的關(guān)系。然后,可以將具體的與瓦斯事故現(xiàn)象的相關(guān)數(shù)據(jù)收集起來,針對數(shù)據(jù)先建立相應(yīng)的UML類模型[1]。

其次,瓦斯事故相關(guān)現(xiàn)象是復(fù)雜多樣的,必須將這些現(xiàn)象細(xì)化,再確定相關(guān)的數(shù)據(jù)的屬性,以此確保構(gòu)建本體時(shí)概念和規(guī)則明確。因此,要先給出瓦斯事故相關(guān)現(xiàn)象的分類：瓦斯突出和瓦斯爆炸。瓦斯突出由地應(yīng)力潛能、煤體破壞功、拋出功、突出區(qū)域、瓦斯?fàn)顟B(tài)、煤巖層表象決定。瓦斯?fàn)顟B(tài)由瓦斯包含能量、瓦斯相對突出量和瓦斯絕對突出量決定。煤巖層表象由煤層傾角、巖層厚度、煤層堅(jiān)固系數(shù)、是否位于褶皺或斷裂處、煤頂巖層巖種決定。瓦斯爆炸現(xiàn)象由爆炸特種時(shí)間、火焰空氣運(yùn)動速度、爆炸溫度、爆炸沖擊波壓力、封閉墻可承受壓力、爆炸壓力上升速率、瓦斯?jié)舛?、爆炸源決定。爆炸源又由爆炸源蘊(yùn)含能量、爆炸源能量釋放速度決定。根據(jù)以上分類依據(jù),可以提取這些現(xiàn)象中的相關(guān)數(shù)據(jù)作為類元語,這樣就能給出本體中的基本概念,并為關(guān)聯(lián)給則的添加提供基本元素。

所有類的基本元素在UML建模的時(shí)候已經(jīng)包含進(jìn)去了,而除了類以外的其它四個(gè)元語無法得到描述,這樣便無法發(fā)揮本體的自推導(dǎo)能力。在此基礎(chǔ)上建立的UML模型如圖1所示。

圖1 瓦斯數(shù)據(jù)的 UML類模型圖

1.2 推理規(guī)則描述

為了在本體中加入知識推理規(guī)則需要做以下幾方面的工作：

1)確定本體中的基本原子概念。在建立本體的過程中本體中需要的基本原子概念全部來自于之前的UML類模型。以后的推導(dǎo)規(guī)則將會以這些概念節(jié)點(diǎn)作為基礎(chǔ)。

2)確定本體的屬性和UML類模型屬性之間的映射。所要建立本體的各個(gè)類對象的屬性應(yīng)當(dāng)和UML模型中具體字段名對應(yīng)。類屬性以及屬性之間的關(guān)系映射決定了本體中概念基本語義。

3)用SWRL描述關(guān)聯(lián)規(guī)則存入本體。以上種種概念類之間包含著種種規(guī)則關(guān)系,將自然語言的規(guī)則描述轉(zhuǎn)換成SWRL描述的形式如下所示。

例如：煤層堅(jiān)固系數(shù)大于0.12、瓦斯相對涌出量小于10 m3/t的煤層,就沒有瓦斯突出危險(xiǎn)發(fā)生的可能。SWRL規(guī)則內(nèi)嵌語句描述為：

GasRecord(?x)∧ HasCoeffcient(?x,?y)∧ swrlb：greater Than(?y,0.12)∧HasPourAbsolutely(?x,?z)∧ swrlb：lessThan(?z,10)→GasOutburst(?x)

本體的自動推理能力建立在關(guān)聯(lián)規(guī)則的基礎(chǔ)上。通過描述屬性之間的關(guān)聯(lián)規(guī)則,再利用Jess推理引擎來實(shí)現(xiàn)本體推理,通過SWRL描述概念之間的關(guān)聯(lián)規(guī)則加入本體實(shí)現(xiàn)知識推理建立的本體模型如圖2所示。

圖2 本體瓦斯事故預(yù)警模型視圖

瓦斯事故本體模型的建立使得每一次的具體的瓦斯實(shí)際數(shù)據(jù)通過概念規(guī)則聯(lián)系起來。在模型的建立過程中,通過建立相關(guān)的語義規(guī)則使得原本抽象的自然語義變成了可以被計(jì)算機(jī)識別并且用本體保存的知識,在以后的系統(tǒng)開發(fā)中只要提取相關(guān)的規(guī)則,利用現(xiàn)成的jess引擎推理就可以得出許多想要的結(jié)論和數(shù)據(jù),瓦斯預(yù)警就是在這些結(jié)論和數(shù)據(jù)的基礎(chǔ)上進(jìn)行的。

1.3 本體模型預(yù)警流程

描述本體的語言是 OWL語言,這是一種以XML為基礎(chǔ)的擴(kuò)展語言,因此,很多數(shù)據(jù)平臺都提供相應(yīng)的API針對OWL模型進(jìn)行數(shù)據(jù)操作以及相應(yīng)的文件保存和檢索[3]。煤礦監(jiān)控設(shè)備提供了與瓦斯監(jiān)測相關(guān)的實(shí)時(shí)數(shù)據(jù),這些數(shù)據(jù)將以本體實(shí)例的形式傳入本體模型,在本體jess引擎的自推理功能下得到相關(guān)的派生信息?；贘ava語言的jess引擎API可以針對派生信息進(jìn)行操作,并提取預(yù)警數(shù)據(jù)信息,反饋于相應(yīng)的用戶界面上,以此達(dá)到實(shí)時(shí)預(yù)警的效果。整個(gè)預(yù)警數(shù)據(jù)流程如下圖3所示。

圖3 瓦斯事故本體模型預(yù)警數(shù)據(jù)流圖

2 傳統(tǒng)預(yù)警與本體模型預(yù)警對比

本文將通過本體瓦斯預(yù)警與目前兩種最主要瓦斯預(yù)測法進(jìn)行對比,找到本體預(yù)警的優(yōu)勢。

2.1 與小波神經(jīng)網(wǎng)絡(luò)預(yù)測法的對比分析

從數(shù)據(jù)信息量看,本體模型與小波神經(jīng)網(wǎng)絡(luò)預(yù)測法相當(dāng)[3],在數(shù)據(jù)類型上也比較接近。小波神經(jīng)網(wǎng)絡(luò)預(yù)測法的部分相關(guān)數(shù)據(jù)的單位與名稱見表1。

表1 小波神經(jīng)網(wǎng)絡(luò)預(yù)測法相關(guān)數(shù)據(jù)的單位與名稱

但是,從預(yù)測效率上來看,小波神經(jīng)網(wǎng)絡(luò)預(yù)測遠(yuǎn)遠(yuǎn)不如本體模型,本體模型預(yù)測的時(shí)間損耗幾乎為零。而小波神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果精確度與隱含層的設(shè)置密切相關(guān),隱含節(jié)點(diǎn)少,雖然收斂速度快效率高,但是精確度會降低,容錯(cuò)性會變差,相反,預(yù)測時(shí)間會變的很長使預(yù)警效率變的很低,而與瓦斯安全相關(guān)的數(shù)據(jù)偏偏又是多樣的,在這種情況下,實(shí)時(shí)預(yù)測很難實(shí)現(xiàn)。本體模型處理數(shù)據(jù)的方式是以現(xiàn)有的知識規(guī)則為基礎(chǔ)進(jìn)行自推理,過程簡單可靠,效率較高,所以要想實(shí)現(xiàn)實(shí)時(shí)檢測的效果就要選擇本體模型進(jìn)行數(shù)據(jù)處理。

2.2 與灰色系統(tǒng)理論預(yù)測法的對比分析

盡管灰色系統(tǒng)理論預(yù)測法更具有針對性,它是在瓦斯某種數(shù)據(jù)一系列實(shí)測值的基礎(chǔ)上對未來數(shù)據(jù)值的變化進(jìn)行預(yù)測,可靠度高而且算法簡單,它的灰色生成模型(一階灰色微分方程)為：

式中：x(1)是生成序列,它是在原始離散數(shù)據(jù)的基礎(chǔ)上經(jīng)過一次累加而生成。a,u是待識別參數(shù)。

從產(chǎn)生的數(shù)據(jù)量上來看,灰色系統(tǒng)理論預(yù)測法不如本體模型多,而且這種預(yù)測法也只能針對部分?jǐn)?shù)據(jù)的進(jìn)行預(yù)測,而且這種做法最大的不足是對礦井的開采方式和地質(zhì)條件變化進(jìn)行了模糊處理,如果開采方式和地質(zhì)條件發(fā)生變化將會導(dǎo)致預(yù)測失去實(shí)際意義。相比之下,本體的預(yù)測更具有實(shí)時(shí)性和普遍性,因?yàn)楸倔w模型中傳入的是實(shí)時(shí)數(shù)據(jù),這種數(shù)據(jù)會隨著本體模型的自推理派生出更多信息,這些信息都是準(zhǔn)確可靠的,而且外部情況發(fā)生變動時(shí),傳入本體數(shù)據(jù)信息也會變化形成新的預(yù)警信息。

通過將本體模型預(yù)測方法與小波神經(jīng)網(wǎng)絡(luò)預(yù)測法[3]和灰色理論預(yù)測法[5]進(jìn)行對比發(fā)現(xiàn),傳統(tǒng)的瓦斯事故預(yù)測往往是建立在損失效率精度或者將問題模糊處理的基礎(chǔ)上進(jìn)行的,這樣對預(yù)警的效果會產(chǎn)生不良影響。但是,本體瓦斯預(yù)警建立在精確的規(guī)則推理和實(shí)時(shí)數(shù)據(jù)的基礎(chǔ)上,準(zhǔn)確率高和可靠性強(qiáng)。

3 預(yù)警效果分析

1)瓦斯預(yù)警采用的本體模型將具體的瓦斯數(shù)據(jù)和事故概念聯(lián)系起來,使得這二者的數(shù)據(jù)實(shí)現(xiàn)語義關(guān)聯(lián),將瓦斯事故中原本孤立的、散落的、缺乏關(guān)聯(lián)的數(shù)據(jù)聯(lián)系起來,大大提高了瓦斯數(shù)據(jù)的整合效率以及數(shù)據(jù)派生信息的能力。由于傳入本體的數(shù)據(jù)是實(shí)時(shí)的,信息推理的過程也是實(shí)時(shí)的,這樣大大提高預(yù)警的反應(yīng)效率和預(yù)警的可靠度。

2)全國每年產(chǎn)生的瓦斯數(shù)據(jù)是海量的,這樣的數(shù)據(jù)用傳統(tǒng)方式存儲是不利于查找的,同時(shí)知識信息的存儲也難以實(shí)現(xiàn)。瓦斯數(shù)據(jù)不僅僅可以被用于實(shí)時(shí)預(yù)警,如果利用本體來存儲,再結(jié)合本體的語義推理增強(qiáng)自然語言的可讀性,依靠Jess推理可以隨時(shí)提取相關(guān)歷史信息,為以后的預(yù)警防范工作提供依據(jù)。

3)本體獨(dú)特個(gè)體(Individuals)添加功能使得傳入的瓦斯數(shù)據(jù)也可以保存下來,這樣隨著數(shù)據(jù)的增加,數(shù)據(jù)之間的關(guān)聯(lián)度會更加明顯,在大量瓦斯數(shù)據(jù)的基礎(chǔ)上,可以找出瓦斯事故現(xiàn)象的關(guān)鍵誘因。

4 結(jié)束語

本文提出了一種基于本體的瓦斯災(zāi)害預(yù)警模型,在本體模型中,定義了很多新的概念元語,如何描述它們之間的多屬性關(guān)聯(lián)是本體要解決的重要問題,而且瓦斯事故的誘因具有一定的模糊性的,在很多不確定的因素下,瓦斯事故本身的是多方面原因決定的,但是主要原因的確定和誘發(fā)概率的大小很難判斷。本體在海量數(shù)據(jù)的收集過程中,自身的推導(dǎo)能力取決于本體中的描述規(guī)則是否合理數(shù)據(jù)是否完整。本體模型的建立是一個(gè)逐步完善的過程,下一步需針對模型中關(guān)聯(lián)規(guī)則的合理性以及瓦斯數(shù)據(jù)屬性的完整度,做進(jìn)一步的研究。

[1] Paul Kogut,Stephen Cranefield,Lewis Hart,et al.Kenneth Baclawskiand Mieczyslaw Kokar,Jeffrey Smith,UML for Ontology Development[J].The Knowledge Engineering Review Archive,2002,17(1)：61-64.

[2] Giancarlo Guizzardi,Gerd Wagner,Heinrich Herre.On the Foundations of UML as an Ontology Representation Language[J].Engineering Knowledge in the Age of the Semantic Wab,2004,3257：47-62.

[3] 許德山,喬曉東,朱禮軍,等.本體推理在知識檢索中的應(yīng)用[J].現(xiàn)代圖書情報(bào)技術(shù),2009(1)：58-62.

[4] 曹洪民,張玉林,姜永鵬,等.基于小波神經(jīng)網(wǎng)絡(luò)的煤礦瓦斯涌出量預(yù)測[J].計(jì)算機(jī)應(yīng)用與軟件,2009,26(7)：168-170.

[5] 伍愛友,田云麗,宋 譯,何利文.灰色系統(tǒng)理論在礦井瓦斯涌出量預(yù)測中的應(yīng)用[J].煤炭學(xué)報(bào),2005,30(5)：589-592.