金屬礦山采動災害監測預警云平臺搭建與初步應用

徐曉冬 朱萬成 張鵬海 李相熙 李 旭 王 慧1

（1.東北大學資源與土木工程學院，遼寧 沈陽 110819；2.東北大學巖石破裂與失穩研究所，遼寧 沈陽 110819）

隨著國民經濟的持續發展，我國對礦產資源的需求量持續增加，淺部礦產資源逐漸枯竭，深部開采必將成為我國采礦業的發展趨勢［1］。蔡美峰院士曾指出，未來10年，我國三分之一的金屬礦山開采深度將達到或超過1 000 m，伴隨著開采深度的不斷增加，由于開采所誘發的礦山災害會愈加嚴重［2］。據不完全統計，2017年我國煤礦發生事故219起，死亡375人［3］，全國非煤礦山發生事故407起，死亡 484人［4］。由此可見，對礦山安全狀況進行實時監測，預測礦災發生的時空位置，盡可能地避免礦山事故的發生，是非常必要的。

礦山地質災害產生的主要原因是開采工作的進行破壞了巖體原有平衡體系，從而使得某些位置產生了應力集中，進而造成了巖體大規模破壞，具體表現為滑坡、冒頂等動力學災害。為將礦山災害扼殺在“搖籃”中，一些工礦企業開始引進微震、GPS等手段，對采場進行實時監測，并結合室內物理試驗，試圖找到災害發生的前兆特征，在此基礎上利用一些數學方法對采場的穩定性情況進行反演，進而實現災害預警的目的［5］。但是，由于礦山生產工作具有持續時間長、涉及范圍廣、工作方式復雜等特征，這使得監測數據具有三大明顯特征，即時空離散性、類型多元性和采集動態性［6］，上述方法的使用，雖然在一定程度上實現了災害的預警，但是其存在的弊端也是十分顯著的。首先，從預警計算周期上講，因監測數據具有采集動態性特征，人為對數據進行采集和處理周期較長，很難發揮出動態監測實時預警的理想化目標；其次，由于監測數據的動態化和多樣化特征，使得每日獲取的數據量大，對于這種大數據的管理和分析問題，傳統的數據管理方法很難勝任；最后，監測數據的時空離散性使得獲取的信息在時空尺度上具有顯著的不連續性，如何通過已知的信息及時推演出未知時空位置的信息，在此基礎上發掘潛在風險區域，進而指導防災工作的開展及傳感器的布設，這些工作都是非常必要的。但是傳統的數據分析處理方法很難完成這些工作。上述情況的存在，在一定程度上制約了災害預警工作的開展。

早在2013年，德國提出了“工業4.0”理念，旨在使工業向網絡化、數據化、集成化、智能化的新型工業模式轉變［7］。2015年，李克強總理在工作報告中提出了“互聯網+”行動計劃，目的在于推動云計算、大數據、互聯網等與現代制造業融合，以實現工業模式的轉型。為響應國家的號召，近些年，互聯網、云計算、大數據挖掘等技術高速發展，同時給礦山工業信息化和智能化的發展提供了借鑒和啟示［8-9］。王安院士曾指出，基于互聯網、大數據、云計算等技術將礦山生產模式向數字智能化的轉型是實現礦山工業安全、高效、綠色、可持續發展的必然道路，也是礦山工業未來的發展方向［10］。

云計算是以虛擬化技術為基礎，以網絡為載體提供基礎架構、平臺、軟件等服務為形式，整合大規模可擴展的計算、存儲、數據、應用等分布式計算資源進行協同工作的超級計算模式［11］。云計算技術的發展，突破了傳統數據管理和分析方法的局限性，為實現礦山災害實時監測預警的最終目標提供了堅實的基礎。目前國內外已有很多礦山企業及科研單位開發了不同功能的云平臺，以達到服務礦山的目的。首先，部分工礦企業本著提高礦山自動化控制程度及生產效率的目的，開發了相應的云平臺應用。例如，東曲礦建立了現代化無人值守工業集中控制自動化平臺，不僅極大減少了相應崗位人員的數量，而且提高了實際生產效率，達到了事半功倍的效果［12］。丁震建立了礦用卡車巨型輪胎監控系統，達到了延長輪胎使用壽命、降低礦山生產成本、提高安全管理水平的目的［13］。黃丹結合云計算等技術，建立了礦山安全系統工程控制系統，系統地指導了地下礦山的安全生產實踐［14］。昝軍搭建了礦山設備綜合智能預警控制平臺，實現了對礦山設備的智能監測、自動控制及安全預警等功能，達到了主要生產環節“減人增安”、“減人增效”的目的［15］。

另外，部分企業本著保護礦山安全生產的原則，設計了一些礦山災害預警云平臺應用，這些平臺滲透到礦山生產的各個方面。在煤礦開采瓦斯突出預警方面，WANG、ZHANG等［16-19］利用云計算和大數據處理技術，建立煤礦瓦斯濃度監測預測平臺，可實現對煤礦瓦斯的短期預測。在突水、火災預警方面，李昊旻［20］提出一種可有效預報井下瓦斯事故、火災事故、水害事故的煤炭安全監測預警云平臺，降低安全事故的發生率。YAN、孟磊［9，21］建立了煤礦突水災害監測預警平臺，為突水災害的監測預警提供技術支持。在空氣質量監測評估方面，ZOU［22］設計了一種煤礦粉塵監測云平臺，實現了工人的粉塵累積劑量的估算，降低了疾病的風險，保障了工人的安全。JO［23］建立了用于空氣質量監測、評估及污染物預測的云平臺，可快速評估和預測礦山空氣質量，增強礦山環境安全。在尾礦壩災害監測預警方面，SUN、DONG［24-25］為提高尾礦壩的安全性，基于物聯網和云計算的尾礦壩災害監測預警云平臺，實現了對浸潤線、蓄水水位和大壩變形的能力的監測和災害的預警。還有一些企業和學者，用較為綜合的方法對礦山的災害進行監測和預警，如YANG［26］對以往地表穩定性評估的理論和監測方法進行了綜述，提出了一種持續的地表穩定性監測控制平臺，為礦山的安全開采提供了保障，JO［27］基于云計算和大數據處理技術開發了煤炭開采事故報告監測預警云平臺，并在Hassan Kishore煤礦進行了應用，實現了保護煤礦安全的目的。美國國家職業安全與健康研究所（NIOSH）開發設計了地表控制平臺（webGC）包含5個與地表設計相關的應用程序，分別為頂板螺栓穩定性分析（analysis of roof bolt stability）、長壁礦柱穩定性分析（analysis of longwall pillar stability）、回采穩定性分析（analysis of retreat mining stability）、高壁采礦回采穩定分析（analysis of retreat mining stability highwall mining）及開采水平應力分析（analysis of horizontal stress in mining），以便于用戶通過網絡瀏覽器隨時隨地訪問礦山設計應用程序，實現在現場執行按需計算的目的，在保障生產安全的同時提高工作效率［28］。竇林名結合GIS、云計算等技術，搭建了集微震、應力等監測手段為一體的沖擊礦壓風險智能判識與多參量監測預警云平臺，解決了單一指標預警精確度低的問題，該平臺已在山東古城煤礦等13個礦井取得成功應用［29］。Xia提出了一種新的數據聚合策略和模糊綜合評價模型，并建立了煤礦災害監測預警系統，取得了較好的效果［30］。DING［31］為提高煤礦信息化管理水平及安全運行監控技術，結合GIS和云計算等技術，建立了可視化的交互式云平臺框架，實現了上下礦井及工作面的實時視頻監控，提高了煤礦信息管理水平及生產安全性。

綜上所述，云計算技術在礦業領域的應用愈發廣泛，在礦山災害預警方面也已有所研究，但是主要的服務對象為煤礦，且大多是通過現場監測加人工干預處理的方法來實現其災害預警的目的，很少有以巖石力學理論為基礎，利用云計算、大數據處理技術的優點，結合理論計算、實時監測、模擬分析及智能預測為一體，構建礦山災害實時監測預警云平臺。這些平臺的設立，在一定程度上，雖然能達到災害預警的目的，但是其弊端也是十分顯著的。首先，理想狀態下，監測預警工作應該是實時進行的，而通過人工干預的方法，不但工作量很大，而且很難做到實時監測預警的目的；其次，單從監測數據入手，很難實現時空多維度、跨尺度上的災害預測。為此，本項目以云計算、大數據處理技術等在礦山上的應用為主線，以保障礦山安全、持續、高效生產為最終目的，提出了一種現場監測和數值模擬相結合（“測—?！苯Y合）的金屬礦山采動災害監測預警云平臺，并對該平臺的架構及優勢進行了詳細的介紹，該平臺的應用可實現礦山災害監測預警的目的，為礦山的安全生產提供保障。

1 金屬礦山采動災害監測預警云平臺構建

1.1 現場監測和數值模擬相結合礦山災害監測預警云平臺實現原理

目前常用的礦山采動災害預警方法主要包括現場監測預警法和數值模擬預警法，二者均具有獨特的優勢，但是也存在不可忽視的缺陷。首先基于現場監測的災害預警很難認清致災機理；其次，基于數值模擬的災害預警雖然能較好地反映致災機理，但是其邊界條件很難把控，無法做到隨著開采工作的開展實時動態更新邊界條件，以實現實時更新、超前預測［32］。為此有必要將基于現場監測和數值模擬的災害預警方法相結合，設計一種基于現場監測和數值模擬相結合的災害預警方法。本項目提出圖1所示現場監測和數值模擬相結合的災害預警方法，主要思路在于將現場監測的結果作為基本信息修正數值模擬的邊界條件，并將數值模擬預測預警結果與現場監測結果相互校對，進而在時空維度上對潛在的災害進行預警，以此為后續災害防治及傳感器的布置工作提供一定的指導，該方法具體的執行思路如下。

（1）礦區三維建模及參數表征。為實現現場監測與數值模擬相結合預警的目的，面向實際礦山的情況，精細化構建與現場相符的數值模型是非常重要的，為此開展一系列前期的準備工作。首先，借助地質勘探和地層測量等手段，獲取礦區地質構造、結構產狀及各種礦山結構尺寸和分布情況；其次，采用地質取芯鉆鉆取現場不同巖性的巖心，并對其開展基本物理力學實驗，旨在獲取其基本物理力學參數及本構關系和破壞準則；再者，利用現場原位測試實驗的方法，獲取礦區的原位地應力；最后，綜合以上信息，結合3Dmine三維建模軟件，復現礦山三維模型，為數值模擬的開展奠定基礎。

（2）基于現場監測的數值模擬，基于模擬結果的災害預測，修訂監測方案。數值模擬是現場監測和數值模擬相結合預警方法的核心，數值模擬結果一方面可為傳感器的布設方案提供參考，諸如將微震傳感器布設在應力分布較為集中的高風險工作區域，這樣可獲得更加豐碩的巖體破裂信息，為準確對災害進行預警提供堅實的基礎；另一方面可以得出礦區應力場、變形場的分布情況，在此基礎上可實現災害預警的目的。數值模擬過程的實施主要是將建立的三維礦山數值模型導入Comsol Multiphysics或RFPA等計算軟件中，并結合準備階段獲取的巖體力學參數、巖石的本構關系與破壞準則、原位地應力等條件，確定模型的力學參數及邊界條件等信息，在此基礎上進行初步模擬，反演出礦區的應力、應變場等的分布特征，以此指導傳感器的布設。

傳感器布設完畢后，可實時對礦區的穩定性進行監測，在此基礎上可基于智能算法對監測數據進行深入挖掘，一方面可開展災害的預警，另一方面可進行監測數據的預測，并可將實時監測和超前預測數據傳入數值模型，用于修正數值模型的邊界，即基于現場監測的數值模擬［34］。此外，根據數值模擬的結果可對潛在災害風險區域進行預測，并進行實時預警，即基于模擬結果的災害預測，而預測預警結果又可為傳感器的布設提供一定的參考，即為基于預測結果的監測方案修訂，三者相互聯系，構成圖2所示反饋系統，為礦山的安全開采提供堅實保障。

現場監測和數值模擬相結合的方法意味著要將數值模擬嵌入到云平臺之中，然而由于數值模擬系統過于龐大，且因版權問題，一般不提供嵌入Web端的接口，這使得直接將數值模擬軟件遷移至云平臺變得不太現實。為解決此問題，本文提出一種“一主+多輔”的平臺布置方式，即一個主要的監測預警結果展示平臺加上多個輔助模擬計算平臺，通過以數據庫作為紐帶，定時任務作為主要配置方法，實現數值模擬過程和結果展示的分離，從而達成將人為干預向計算機處理轉變的目標，盡管模擬需要一定的時間，但是也能基本上實現實時監測預警的目的，具體的方案設計如圖3。

結合圖3所示平臺布置方法，對現場監測和數值模擬相結合的原理進行說明，具體過程如下：

1）定時采集礦山中布置傳感器獲取的數據，并將采集數據存儲至云端數據庫（云端服務器）。

2）本地服務器定時從云端數據庫中讀取監測數據，并通過IO流的方式將數據轉存為模擬所需要輸入數據的格式，以此實現輸入數據的實時更新（本地服務器）。

3）基于matlab的混合仿真技術，借助matlab中的定時函數，定時執行模擬仿真任務，并導出仿真結果（本地服務器）。

4）基于Quartz定時任務框架，自行建立模擬數據定時上傳方法，實現模擬結果的定時上傳至云端數據庫（本地服務器）。

5）定時抓取數值模擬仿真結果，并基于超圖等軟件實現仿真結果在平臺中的復現（云端服務器）。

1.2 平臺架構與技術特征

該平臺的架構主要可分為基礎資源層、數據采集層、數據傳輸層、數據存儲層、數據處理層、應用展示層及災害預警層，如圖4所示?，F場監測和數值模擬結合下礦山災害預警云平臺采用物聯網、HTTP超文本傳輸協議等技術，對礦山監測數據進行實時提取，并在云端對數據進行數值分析和模擬仿真，在此基礎上對礦山的潛在災害進行時空預警，以達到潛在災害及時防治及確保采礦生產安全的目的。

（1）基礎資源層。如圖4所示，該層為平臺建設的一些基礎條件，包括一些硬件設施和軟件系統。其中，硬件設施包括服務器、傳感器等，是平臺搭建的基礎。軟件系統主要包括一些數據監測、分析系統及可視化系統，為數據的提取、傳輸、分析、展示等操作提供技術支持，該層的存在為其他層的設計及正常運行提供了前提保障。

（2）數據采集層。數據采集層主要用于對數據的采集，包括礦山環境數據、設備狀態數據、實時監測數據及數值模擬數據，這些采集數據是礦山穩定性評估的關鍵性因素。不同的數據分別發揮著各自的作用。如礦山環境數據主要用于構建礦山三維可視化模型及數值模型；設備狀態數據主要用于判斷監測設備的運行狀態，為監測設備的正常工作提供保障；實時監測數據主要用于作為數值模擬的輸入、矯正數值模擬結果及通過數值分析的方法對礦山的安全性進行定量的評估；數值模擬結果主要用于展示礦山時空維度上應力場、應變場等信息，并對潛在風險區域進行判定。

（3）數據傳輸層。該層主要起到通信的作用，即將采集得到的數據傳遞到云端數據庫，由于采集數據設備的差異使得數據的傳輸方式也存在差異，對于礦山實時監測數據，主要通過工業有線網絡及4G/5G網絡實現數據的傳輸，而對于數值模擬結果的入庫主要通過Http協議數據傳輸。

（4）數據存儲層。數據儲存層主要對數據進行云端儲存，包括操作、監測相關的基礎數據，還包括部分礦山災害案例數據。數據采集層中得到的數據均會存儲至該層，且該層為連接云端服務器和計算專用服務器的紐帶，是實現現場監測和數值模擬相結合災害監測預警方法的重要組成部分。

（5）數據處理層。數據處理層主要對數據存儲層中的監測數據進一步地分析處理。并在分析處理后，根據平臺用戶的需求，提取并輸出有價值的數據，以便于做出更加合理的決策，以確保礦山生產的安全。該層中主要涉及到一些數據處理的方法，如基本的數據處理及預測算法、穩定性評估算法、數值模擬法等?；镜臄祿幚砑邦A測算法主要涉及到分類識別算法、數理統計法及預測算法。其中，分類識別算法主要的目的在于對巖體的類型進行分類，為數值模型巖體參數的確定提供依據。數理統計法主要是對諸如微震等動態變化性強的數據進行一個匯總，以便于向用戶更清晰地展示出監測結果；預測算法主要是借助深度學習中的一些智能算法，以監測數據為基礎，對應力或者位移等數據進行一個短期的預測，得到超前監測數據，在此基礎上以實時監測數據和超前監測數據為研究對象，通過設定閾值的方式，對災害進行實時、超前預測。穩定性評估算法主要包括理論評價模型、經驗評價模型及一些基于數值分析的穩定性評價算法。通過借助這些算法，可實現對礦山穩定性進行綜合的評估。數值模擬算法主要是將現場監測數據和超前預測數據嵌入數值模型，動態修改模型邊界，在此基礎上對礦山整體的應力場、應變場、損傷場等進行反演，便于從時、空兩維度上對潛在災害進行預測。數值模擬算法的主要流程及預期效果如圖5所示。

（6）應用展示層。該層主要借助于Unity3d，SuperMap以及Baidu開源組件Echarts等對數據分析層中得到的結果在移動端、PC端等展示設備上進行直觀的展示，以便于用戶清晰地了解礦山生產的安全情況。

（7）災害預警層。災害預警層主要依賴數據處理層中的結果，對災害進行預測和預警。該工作主要分為災害實時預警和災害超前預測兩大部分，分別采用基于實時監測與數值模擬的災害實時預警方法和基于數據挖掘與數值模擬的災害超前預測方法（圖1）。實時預警結果可為礦山緊急避難提供技術支持，超前預測可為礦山減災防災提供技術指導。此外該層的結果還可為傳感器的布設、數值模型邊界的修訂提供重要依據，從而實現圖2所示“基于現場監測的數值模擬”，“基于模擬結果的災害預測”，“基于預測結果的監測方案修訂”的循環反饋關系，以實現預測預警結果具有準確性、實時性、實用性的目標，保障金屬礦山開采工作的安全有序開展。

2 平臺應用與討論

2.1 平臺概覽

依據上述平臺設計架構，基于Spring Boot框架搭建現場監測和數值模擬結合下的礦山災害監測預警云平臺，如圖6所示。目前平臺包括三大部分，左側為礦山災害預警模塊，主要為不同算法下礦山災害的預警信息，可便于管理人員清楚地了解工作的安全狀況；中間為地質力學信息展示模塊，是一個基于SuperMap的礦山地質及力學情況觀測窗口，可實現監測結果和數值模擬結果的可視化，為專家對礦山穩定性的分析提供便利；右側監測信息可視化查詢模塊，其中包括監測數據及監測設備的運行情況，可用于查詢礦山生產過程中監測數據的演化情況，為礦山穩定性的判斷及穩定性分析方法的確定提供依據。

2.2 巖體破壞失穩及預警模塊

在平臺中嵌入模糊綜合評價法、Mathew穩定圖表法、位移時間斜率法等算法［34］，對礦山的穩定性進行評估。該模塊只是評估結果的展示，在系統后臺可對評估算法進行查看（圖7），通過這些算法綜合處理后，可對礦山的穩定性進行較為綜合的評價，并在此基礎上及時發出預警信息，以確保礦山開采工作的安全開展。

這里以模糊綜合評價算法為例，對該模塊的執行流程進行詳細的介紹，算法的執行流程如圖8所示，詳細的執行過程如下：

（1）風險分級指標集標準的確定。該算法執行時，確定監測指標的分級標準是十分必要的，分級標準的確定采用工程類比法和專家評判法來確定，部分礦山采動災害風險評價指標及其風險分級標準如圖8所示。

（2）采集數據隸屬度的計算。簡單來講，隸屬度即為采集數據與某一風險等級的貼近度，根據確定指標類型的差異，可將指標分為正相關性指標（風險等級和監測值大小呈正相關，如地表累計變形量）和負相關性指標（風險等級和監測值大小呈負相關，如RQD值），此外，由于指標取值范圍的差異，隸屬度的計算包括3種情況，即計算左邊界值的隸屬度、右邊界值的隸屬度和中間值的隸屬度，因此，隸屬度的計算要分為6種情況，具體的隸屬度計算法則見圖8，結合評價指標隸屬于不同風險等級的隸屬度，進而可得到隸屬度模糊矩陣。

（3）指標權重集的計算。權重集即為各評價指標對評價結果的影響程度，這里主要采用層次分析法來進行權重的計算，主要分為4個步驟（圖8），第一，將礦山采動災害風險預定目標視為目標層，將確定的各指標視為準則層，將實現目標可供選擇的各種措施方案視為方案層，在此基礎上構建結構層次體系；第二，采用專家打分和Saaty相結合的方法，構建表征同一層次中不同因素重要程度的判斷矩陣；第三，引入一致性指標CI并查詢評價隨機一致性指標RI，在此基礎上對判斷矩陣進行一致化檢驗，具體計算公式如下：

式中，λmax為判斷矩陣的最大特征值；n為判斷矩陣的階數；CR為判斷矩陣的一致性比例，當CR<0.1時，可接受判斷矩陣的一致性；最后，依次計算結構層次體系中各因素相對于目標層的合成權重，若不滿足CR<0.1則重新對矩陣進行調整，直至全部滿足要求，在此基礎上得到權重集。

（4）將隸屬度和權重集相乘，得到相應的風險等級，并根據風險等級，進行相應的預警（圖9）。

2.3 地質力學信息展示模塊

為了對礦山的地質及力學特征進行直觀的展現，基于礦山實測數據，采用SuperMap軟件，建立礦山的三維模型［33］，同時接收基于監測數據的數值結果［36-37］，并在前端頁面中對結果進行展示（圖10），從而達到“測—?！苯Y合下采場力學情況展示的目的。在此基礎上，用戶可清晰地觀察到礦山的應力場、應變場及損傷場特征，為礦山時空尺度上災害的預測提供前提條件，同時為災害的防治及傳感器的布設提供一定的參考，以實現安全生產的最終目的。

2.4 監測信息可視化查詢模塊

為了解開采過程中礦山的穩定性情況，需要對礦山的開采過程進行監測，監測設備的差異使得監測數據的獲取方式不盡相同，項目組之前已對各種數據的獲取方式進行了詳細的說明，這里不再贅述［35］。監測信息可視化查詢模塊主要是對礦山采集的數據進行實時的展示，如圖6中右欄所示。用戶收到預警消息時，可對監測信息進行查詢，并以此判斷預警消息的可靠性，同時也可在后臺對采集數據進行查看和導出（圖11），在一定程度上可為礦山的安全生產提供保障。

3 結 論

以云計算、大數據處理等技術在礦山上的應用為主線，以保障礦山安全、持續、高效生產為最終目的，進行了礦山災害監測預警數據分析及“云”技術在礦山上應用的簡要綜述，分析了目前已有云平臺潛在的一些問題，并在此基礎上提出了一種現場監測和數值模擬相結合的礦山災害監測預警云平臺，主要得出以下結論：

（1）礦山災害監測數據具有離散化、多元化及動態化的特征，這使得傳統的數據管理和分析方法不再適用，云計算成為礦山災害監測預警的必要手段。

（2）雖然云計算在礦業領域應用愈發廣泛，但在礦山災害預警方面應用較少，且均很難實現實時監測預警的理想狀態，具有一定的弊端。

（3）以數據庫為紐帶，定時任務為核心方法，提出一種“一主+多輔”的平臺布置方式，構建了現場監測和數值模擬相結合下的礦山災害監測預警云平臺，并對其架構及技術指標進行了詳細的敘述，該平臺可實現時空多維度災害的預測，為災害的防治及傳感器的布設提供一定的參考，以實現安全生產的最終目的。

（4）雖然目前平臺可實現礦山災害較為綜合的預警，但是目前礦山穩定性評估算法及失穩預測算法比較有限，開發更多的算法，以實現礦山災害更為綜合全面的預警，還需深入探索。