煤礦安全監控信息管理系統的設計與實現

發布時間：2023-08-04 13:24

摘要 I

Abstract II

1 緒論 1

1.1課題的研究背景 1

1.2國內外研究現狀 2

1.2.1煤礦安全監控研究現狀 2

1.2.2本質安全管理研究現狀 3

1.2.3數據挖掘研究現狀 4

1.3課題研究意義 5

1.4論文研究內容和章節安排 5

1.4.1 論文研究內容 5

1.4.2 論文章節安排 6

2關鍵技術和工具分析 7

2.1MVC 設計模式 7

2.2在線地圖 API 8

2.3 數據挖掘技術 9

2.3.1 數據挖掘概述 9

2.3.2數據挖掘經典應用 10

2.3.3關聯規則數據挖掘 11

2.4本章小結 14

3系統總體設計 15

3.1系統需求分析 15

3.1.1功能需求分析 15

3.1.2 非功能需求分析 17

3.2系統設計思想 17

3.2.1本質安全理念 17

3.2.2基于本質安全理念的煤礦安全管理體系構建 18

3.3系統整體架構 22

3.3.1 煤礦安全監控網絡拓撲結構 22

3.3.2系統邏輯體系結構 23

3.4系統體系結構 24

3.5系統功能模塊設計 25

3.6數據庫設計 27

3.7本章小結 33

4 系統實現 34

4.1開發平臺的選擇 34

4.2生產管理模塊 35

4.2.1 生產管理模塊主界面 35

4.2.2數據實時顯示模塊 36

4.2.3智能地圖模塊 39

4.2.4 安全信息分析模塊 40

4.2.5應急預案管理模塊 41

4.2.6報警信息模塊 43

4.2.7設備定期檢修模塊 44

4.2.8職工信息管理模塊 44

4.2.9 新聞綜合信息模塊 45

4.2.10用戶管理模塊 46

4.2.11留言簿管理模塊 47

4.3 信息查詢模塊 47

4.3.1 系統登錄注冊模塊 48

4.3.2 信息查詢主界面 50

4.4本章小結 51

5 數據挖掘技術在煤礦安全隱患管理中的應用 52

5.1安全隱患數據來源 52

5.2數據挖掘方案的選擇 53

521傳統FP_Growth算法及其缺點 53

522基于線性表存儲的FP_Growth算法 57

5.3安全隱患數據的關聯規則挖掘 61

5.3.1數據分析 61

5.3.2數據預處理 62

5.3.3數據挖掘 63

5 .4本章小結 64

結論 65

致謝 67

參考文獻 68

攻讀學位期間的研究成果 70

1 緒論

1.1課題的研究背景

隨著全球經濟的發展和我國 GDP 的快速增長，能源消費也隨著持續增加，增長速度保持在世界平均增速之上，成為世界第一大能源消費國［1］。其中在中國的能源消費結構中，煤炭消費占有主要地位，保持有65%的比重。雖然受中國經濟增長下滑、可再生能源開發利用技術提升以及環保約束不斷增強等因素的綜合影響，煤炭消費增速放緩，從2000 - 2013年的年均 8.3%降至2013-2035年的年均0.8% ［2］。但是，在未來的近半個世紀中，我國能源結構中煤炭消費仍占主導地位［3］。

安全生產是煤礦的頭等大事。近年來，我國煤炭安全生產形勢有所好轉，煤礦相關安全生產事故總量保持下降態勢。國家安全生產監督管理總局統計數據顯示，2015年煤礦事故和死亡人數同比分別下降32.3%和36.8%［4］。雖然整體上呈現下降趨勢，但特大事故頻發，僅2015年12 月，黑龍江、遼寧連續發生三起礦山重大事故。與歐美等發達煤炭生產國相比，我國的煤炭安全形勢依然嚴峻。

2016年 5 月國家安監總局表示，將大力推動煤礦信息化、智能化和自動化發展，提高煤礦本質安全水平。2017年 2月國務院印發的《安全生產“十三五”規劃》提出“到 2020年，全社會安全文明程度明顯提升，事故總量大幅減少，重特大事故得到有效遏制，職業病危害防治取得積極進展，安全生產總體水平與全面建成小康社會目標相適應” 的目標，提出“加強安全科技研發，推動科技成果轉化，推進安全生產信息化”的舉措。

因此，利用計算機技術對煤礦安全生產進行監控，建立煤礦安全監控信息管理系統，成為解決當前煤礦生產安全問題必不可少的手段，從而提高和改善煤礦企業及政府有關部門管理礦山緊急事務的能力。

煤礦生產安全信息管理系統中存在大量數據，包括系統的管理數據、設備的參數數據、井下上傳的不同監測點的實時數據以及隱患報警信息等。而目前信息管理系統對這些數據并沒有深入研究利用，造成一定程度的數據浪費。所以把數據分析挖掘技術與煤礦安全監控相結合，將數據挖掘技術運用于系統中，對數據進行進一步的利用，挖掘出不同隱患項之間的潛在聯系，成為現階段更好地管理煤礦生產，提升本省煤礦企業安全生產水平的必要手段。

本課題來源于甘肅省財政廳項目“基于物聯網的區域生產安全監控管理平臺構建研究”，項目研究內容包括分析辨識安全生產監控源點，探索建立全省安全監控管理體系與管理機制，研究構建基于物聯網的安全生產監控管理集成平臺，以及集成框架下技術標準與業務規范體系的構建，實時掌握全省重要企業、重要行業安全生產信息，能夠對突發的重大事件進行應急反應，提供決策支持。

1.2國內外研究現狀

基于上述研究背景，針對論文主要研究內容，以下分別對煤礦安全監控方面、本質安全管理方面和數據挖掘方面進行國內外研究現狀分析。

1.2.1 煤礦安全監控研究現狀

煤礦安全監測技術在國外的發展比較早，從 1960 年后就開始起步，也有一定的發展成果。在60年代中期，有了采用空分制信號傳輸技術的第一代煤礦安全監控系統，是日本和英國率先采用的。60年代末，英美等國大量采用頻分制技術，如F + H公司的 TF200系統和西德Siemens公司的TST系統，這是第二代的煤礦安全監控系統。之后，隨著集成電路的發展，第三代基于時分制的煤礦監控系統的出現，從此打開了煤礦監控技術與自動化技術的新形勢。之后由于計算機技術的迅猛發展，出現第四代煤礦安全監控系統，以分布式微處理機為基礎。國外一些先進的采煤國家已經實現了煤礦生產過程自動化和集約化生產，開發出的綜合自動化監控系統更是集語言、數據和圖像于一體，具有監測、控制、通信和無線接入功能，實現了全機械化采煤面和通風供電等設備參數以及瓦斯濃度等環境參數的自動化監測。但這些監控系統的運行成本很高，且系統維護困難，對中國煤礦安全生產幫助較小。

文獻［5］提出了一種基于ZigBee技術的無線傳感器網絡監控系統解決方案，應用于煤礦瓦斯無線監測中。文獻［6］設計了一種基于無線傳感器網絡技術的煤礦安全監控系統，中控臺使用地理信息系統來顯示煤礦爆發災害，采用 GPRS 傳輸短信到礦山指揮中心。文獻［7］提出了模糊綜合評價方法，設計了煤礦安全監控系統模塊，評估煤礦安全質量標準化從而達到安全水平，設計實現了煤礦安全質量標準化管理信息系統。

我國煤礦監控技術始于 80 年代，到目前為止已從引進、消化發展到全過程自主開發［8］。80年代初，引進了一批安全監控系統，如英國的MINOS系統，結合我國煤礦的實際情況，先后研制KJ4、KJ10、KJ38、KJ66、KJ80、KJ92等監控系統。但是由于當時大部分監控系統技術水平低、功能擴展性差，隨著計算機技術以及電子技術的飛速發展和企業自身發展需要，國內各主要科研單位和廠家紛紛推出KJ95、KJ101、KJ2000 等監控系統，以及MSNM等煤礦安全綜合數字網絡監測管理系統。目前在用的煤礦安全監控系統，基本上是我國自主開發的產品。數據統計顯示，現在許多地方開始建立安全監管網站，煤礦安全生產信息管理系統投入使用，將主要安全生產信息公布在網站上，對生產以及事故的統計和分析，對煤炭安全生產情況進行全面的統計。

文獻［9］設計了煤礦安全智能監控系統，由傳感器、接口板、監控分站、監控軟件和組態軟件組成，實現了煤礦生產現場多種數據的采集功能和輸出設備的智能控制。文獻［10］設計了 KJF2000煤礦安全監控系統與井下光纖環網平臺的接入方式和裝置，為現有煤礦安全監控系統的網絡化升級改造提供切實可行的模式。文獻［11］基于 Zigbee 技術機構設計了礦井人員定位系統，可以顯示目標坐標位置，并可與定位目標進行數據通訊，同時可動態調整各通訊節點的組網方式。文獻［12］創建 WEB 平臺將煤礦當前既有的各個監測系統的信息進行整合。

1.2.2 本質安全管理研究現狀

自20世紀90年代以來，本質安全逐漸成為安全管理研究的熱點問題［13］。隨著50年代世界宇航技術的發展，“本質安全”一詞首次出現，指的是電氣系統具有防止能量釋放，控制可燃物質燃燒的安全性［14］。在提出本質安全之前，有類似的“可靠性”的概念，最早的可靠性是美國航空委員會提出的飛機事故率的概念和要求。

近幾年，許多國外學者對本質安全管理進行了不同的研究。文獻［15］提出在多米諾事故預防中采用一種本質安全方法，并對其進行研究。文獻［16］提出要在設計初始階段建立本質安全評估模型，探討了本質安全評估的具體方法。文獻［17］提出一種新的風險評估方式，對本質安全評價技術進行了研究。文獻［18］建立了本質安全評價指標體系，通過應用模糊邏輯對系統進行綜合評價。在煤礦行業也從不同角度關于本質安全管理進行了研究，文獻［19］提出了在煤礦安全生產過程中，通過細化安全管理目標，正確扭轉煤礦職工的安全生產態度，實現自我管理，提高個人的安全素質，主動學習安全知識，掌握安全技能，從而實現煤礦安全生產。文獻［20］通過應用本質安全理念和基本原理對煤塵爆炸的預防方法進行研究。文獻［21］通過對煤礦事故與生產環境、職工個體因素和企業管理水平之間的關系的研究，提出煤礦企業應該通過改善生產環境、重視員工安全意識培養等方面來提高管理質量并預防事故發生。

國內本質安全研究開始于20世紀50年代的電子產品可靠性研究，在90年代明確提出本質安全的概念。60年代，煤礦行業的本質安全概念在煤礦電氣設備的設計中首次提出，《煤礦安全規程》中給出明確的解釋［22］。此后，國內許多學者開始探索研究煤礦本質安全管理。文獻［23］通過對我國煤礦事故致因的大量分析之后，進一步對煤礦本質安全的內涵進行討論，提出我國煤礦本質安全中主要是人的行為安全。文獻［24］提出了一種基于本質安全的煤礦風險管理流程方法，將其應用于煤礦企業生產系統的全生命周期，最佳階段是系統設計初期。文獻［25］確定煤礦企業本質安全管理體系評價指標，設計了一套完整的評價指標體系，應用模糊層次方法建立了綜合評價體系模型。文獻［26］運用事故樹方法，確定事故重要度排序，建立煤礦本質安全管理體系。

1.2.3 數據挖掘研究現狀

國外的數據挖掘研究早國內很多，研究成果比較豐富，研究領域也比較廣，廣泛應用于商業、通訊業、金融業、醫學生物業、國防以及其它領域［27］。許多計算機行業知名的公司都有相應的數據挖掘研究中心。

IBM公司Almaden研究中心開發的QUEST提供決策樹分類、關聯規則發現、時間序列聚類和序列模式發現等功能，并且設計相應的并行算法，適用于任意大小的數據庫。

加拿大Simon Fraser大學開發研究的DBMiner把關系數據庫和數據開采集成在一起，完成分類規則、泛化規則、關聯規則、演化知識等多種知識的發現。

SGI公司和美國Standford大學聯合開發的MineSet集成多種數據挖掘算法和可視化工具，包括二維表、二維統計圖、三維圖形等，用戶可以任意放大、旋轉或移動圖形，幫助用戶直觀地理解數據背后的知識。

IBM SPSS Modeler結合了多種圖形使用接口的分析技術，包含神經網絡、關聯規則及規則歸納等，并提供方便用戶使用的可視化環境來執行這些功能。

上述系統都是比較先進的數據挖掘工具，被廣泛應用于國外商業運營中，能夠根據用戶事先設定的模型進行多模式的挖掘工作，從而使數據挖掘技術更具有實用性，進而給數據挖掘的研究提供了動力支持。

國內數據挖掘不管是在起步時間、應用范圍以及受重視程度上都和國外有較大的差距，數據挖掘技術正處于發展階段，在國內的市場應用率還有待大幅度提高，我國目前數據挖掘比較成功的范例大都局限在高校以及研究所內，中科院計算技術研究所、南京大學等院校在數據挖掘方面都比較有成就。

中科院開發的多策略數據挖掘平臺MSMiner，在數據挖掘方面和組織策略方面有很不錯的靈活性。

南京大學開發的原型系統Knight，是通用知識的挖掘工具，引入遺傳算法和信息論思想，對數據無特定的領域知識要求，可以用來處理不同領域的知識發現任務［28］。

復旦德門公司開發的AR Miner是一個基于C/S模式的數據挖掘應用工具，旨在發現關聯規則，它的研究目的是通過數據分析幫助用戶作出決策，給對數據挖掘感興趣或想要研究新算法的學者提供工具。

上述的研究產品只是在小范圍內使用，并未得到市場認可。目前我國對數據挖掘方面的研究還是主要集中在算法或理論方面。

文獻［29］提出了一種引入穩定粒度策略的聚類算法，對多粒度時間序列的基礎數據模型進行探討，并建立相應的不確定性時間序列數據模型，從而來解決不確定性時間序列數據的聚類問題。文獻［30］針對傳統決策樹挖掘算法提出一種優化策略，通過計算屬性數據的信息量，建立優化決策樹，解決傳統決策樹由于樣本屬性過多導致分類能力接近的問題，最終完成數據挖掘。文獻［31］實現了基于概念格的關聯規則可視化方法，改變傳統關聯規則方法處理多值屬性數據效率低下的現狀，將多值數據以概念格結構組織起來，能夠對多值屬性數據進行關聯規則挖掘。

1.3課題研究意義

中國煤炭資源豐富，采集的過程卻面臨重大風險，自然災害也嚴重影響采集過程。雖說近年來生產形勢有所改變，但特大事故的發生還是行業內一個值得關注的問題。為響應國家提出的煤礦生產信息化的要求，完善煤礦有關部門安全管理，要加大煤礦安全生產監控體系建設力度，增加煤礦信息交流，建立煤礦安全信息管理系統，從整體上對煤礦安全進行控制。

近幾年煤礦事故給社會帶來了許多不利影響，在這種情況下，許多大中型企業開始全力以赴利用相關的信息技術，根據企業的具體情況來建立企業安全管理體系，研究安全信息管理系統，從而降低生產過程中的風險，幫助預測并管理隱患，采取適當措施，確保生產安全。

煤礦安全信息管理系統是煤礦安全生產管理的重要手段，對煤礦生產起著非常重要的作用，同時滿足井下生產安全需要和地面管理需求。煤礦安全信息管理系統采用電子計算機技術處理安全生產信息，為煤礦管理者提供決策信息，加強礦山安全生產管理和科學決策，達到減少礦山事故發生的目的。

1.4論文研究內容和章節安排

1.4.1 論文研究內容

本論文主要任務是通過國內外信息管理系統和安全管理的成功經驗，從煤礦安全信息管理的角度出發，建立適用于本企業的本質安全管理體系，開發煤礦安全監控信息管理系統，從而提高煤礦企業的生產效率，防止事故的頻繁發生。

論文引入本質安全理念，分析本質安全在煤炭行業的內涵，建立基于本質安全理念的煤礦安全監控管理體系；結合煤炭企業安全生產管理的特點與具體實際，從功能需求和非功能需求兩方面進行分析，制定系統目標，探討煤礦安全信息管理系統的整體架構；從信息查詢模塊和生產管理模塊兩部分描述系統功能，詳細給出數據庫設計過程，說明各數據表的結構；采取B/S模式，Java語言的開發平臺MyEclipse和SQL Server數據庫對數據實時顯示模塊、智能地圖模塊、報警信息模塊等主要功能模塊進行詳細設計；針對現有煤礦安全監控系統存在的信息未深入利用的問題，提出將數據挖掘技術運用在系統中，并給出一種基于線性表存儲的頻繁模式增長算法，將此算法運用于企業安全隱患數據的關聯規則挖掘中，得出對煤礦企業的生產管理有用的信息，對煤礦安全生產起到指導性的意義。

1.4.2 論文章節安排

論文主要分為下列六個部分進行闡述：

第一章，緒論。主要闡述了論文的選題背景和研究意義，國內外研究現狀及論文主要研究內容和章節安排。

第二章，關鍵技術和工具分析。對論文中涉及到的相應技術，如 MVC 設計模式，在線地圖API和數據挖掘技術進行概述介紹。

第三章，系統總體設計。首先對系統從功能需求和非功能需求兩方面進行分析，提出基于本質安全理念的煤礦安全監控管理體系；然后，對網絡拓撲結構和邏輯體系結構進行設計，介紹了系統功能模塊的詳細設計，分為信息查詢和生產管理兩大模塊，其中主要模塊有數據實時顯示、智能地圖、報警信息等；最后給出系統數據庫的設計過程，并說明各數據表的結構。

第四章，系統實現。本章介紹了系統實現使用的開發平臺為 MyEclipse+SQL Server，詳細設計實現生產管理和信息查詢主要模塊，給出各部分的界面設計、程序流程圖和關鍵代碼。

第五章，數據挖掘在煤礦安全隱患管理中的應用。首先說明安全隱患數據來源分為三種，其次指出FP_Growth算法是比較適用于煤礦安全隱患挖掘的算法，但由于有內存問題的限制，所以給出一種基于線性表存儲的FP_Growth算法，并通過JVisualVM工具對比改進前后兩種算法的執行情況。最后，將改進后的算法用于煤礦安全隱患數據的挖掘中，得出的規則對煤礦企業后續的安全生產和管理起到有效的幫助。

最后，結論。本章對全文的主要研究內容進行總結，提出在未來還可以在系統運行速度和多媒體技術支持方面對系統進行完善，在數據挖掘部分可以嘗試使用不同的挖掘方法，增加參數數量，以期待獲得更加有用的信息。

2關鍵技術和工具分析

2.1MVC 設計模式

模型-視圖-控制器模式，又稱MVC( Model View Control ler)模式，這種設計模式目前已被普遍應用到軟件設計開發中［32］。MVC將應用程序分成模型、視圖和控制器三個模塊，強制性地分開應用程序的輸入、輸出和中間處理過程，實現松耦合。這三個模塊分別執行不同任務，它們各自的功能和相互關系如圖 2.1 所示。

圖 2.1 MVC 模塊的功能和關系

模型是應用程序中數據處理顯示的部分或者用戶交互的界面，它向用戶顯示數據并接受輸入數據，但不進行任何的業務處理。視圖是處理業務數據和業務邏輯的部分，是應用程序的主要部分。一個模型可以為多個視圖提供服務，也是因為這樣，應用程序的可重用性得到改善。控制器是模型和視圖的中間件，視圖在接受到用戶的輸入后，由它從視圖讀取數據，然后調用模型完成用戶的需求。

MVC處理過程如圖2.2所示，總結如下：用戶在視圖的界面提出請求后，由控制器接受并決定調用相應模型來處理，根據用戶請求，模型再進行相應的業務邏輯處理并返回數據，返回的數據交給視圖來顯示。

使用MVC模式能夠提高代碼的可重用性，MVC模式允許多個視圖共同使用同一個模型，允許同樣的組件被不同界面使用，這樣的話，業務規則和數據就能從表示層分離出來，以最大限度實現代碼重用；其次耦合性低，這三個核心模塊是相互獨立的，改變任何一個都不會影響其它兩個，實現構件松耦合；使用MVC模式可以大大縮減開發時

間，它使程序員可以根據需求選擇將重點放在業務邏輯或是表現形式。

3.調用模型

4. 處理業務

圖 2.2 MVC 處理過程

2.2在線地圖 API

目前，各大地圖服務商開放了各自的地圖 API(Application Programming Interface) ，企業用戶或者個人用戶將具體開發信息與地圖服務相互整合，實現基于地圖的個性化開發和信息發布。

地圖API是一組開放的地圖接口，是一組操作組件或應用程序的函數集合，利用腳本語言將地圖嵌入到網頁或其它載體。隨著API功能的不斷擴展和更新，用戶更方便地擴展應用服務，開發更深層次的應用，豐富地圖服務的內容，定制個性化地圖服務。國內比較主流的有高德API、騰訊API、百度API等［33］,下面以百度API WEB開發為例簡要說明。

基于百度地圖API的開發流程包括引用API文件、創建地圖容器、創建地圖實例、創建中心點坐標、地圖初始化、添加各項控件等基本過程［34］，如圖 2.3 所示。

(1)引入地圖 API 文件。

(2)創建地圖容器

(3)創建地圖實例

var map = new BMap.Map("allmap"); // 創建 Map 實例 map.centerAndZoom(new BMap.Point(116.404, 39.915), 11); // 初始化地圖，設置中心點坐標和地圖級別

map.addControl(new BMap.MapTypeControl()); //添加地圖類型控件

map.setCurrentCity(”北京”)； //設置地圖顯示的城市

map.enableScrollWheelZoom(true); //開啟鼠標滾輪縮放

(4) 添加比例尺控件

var top_left_control = new BMap.ScaleControl({anchor:BMAP_ANCHOR_TOP_ LEFT });

2.3數據挖掘技術

2.3.1 數據挖掘概述

近年來，數據庫技術發展迅速，數據庫中的數據隱藏著大量有價值的信息，是難得的知識源，而目前的數據庫系統只有基本的數據操作，無法歸納出隱含的有用的知識，一定程度上浪費了數據庫資源。在這種背景下，數據挖掘和知識發現等技術應運而生。

數據挖掘(DataMining)是數據庫知識發現(Knowledge-Discovery in Database)的

其中一個步驟，是集中了數據庫技術、統計學、人工智能、機器學習以及信息檢索等多學科的新型研究領域，由于多學科的融合，其挖掘方法是多種多樣的［35］。經過十多年

的研究，產生了許多新的概念和新的方法，尤其近年來，這些新的概念和方法已經變得清晰穩定，其研究正在往更深入的跨學科交叉的方向發展［36］。它可以從大量數據中提取某些有規律的知識，進一步地開發再利用，改善信息資源，提高利用效益。數據挖掘和知識發現給決策分析提供了一種新的途徑，更好地解決了越來越復雜的決策問題，進一步提高了精確性和可靠性，為科學決策提供了依據。

數據挖掘是從大量的無規律的冗雜的數據中挖掘出隱含的、以前未知的和有用的模式或知識的過程。數據挖掘過程如圖 2.4 所示。

源數據

圖 2.4 數據挖掘過程

數據挖掘與眾不同的特點在于它使用模式匹配等算法來確定數據之間的聯系，而不像其他分析工具是先提出假設，然后通過驗證來確定假設正確與否。數據挖掘將數據處理帶入一個更先進的階段，它不僅可以查詢過去的數據，更重要的是發現數據之間存在的潛在聯系，以便高層次的分析，從而做出更好的決策和預測未來趨勢等。

針對煤礦安全生產數據的特點，可采用關聯規則挖掘方法來發現煤礦數據之間的潛在聯系，從而找到隱患之間的關系，做到對煤礦隱患的集中統一管理，防患于未然。

2.3.2 數據挖掘經典應用

隨著各行業的業務運作的過程自動化，很容易就會產生大量的業務數據。收集大量業務數據后，企業不知道如何分析數據，不知道數據中隱含的知識，以及企業決策能做些什么。因此，應用數據挖掘已成為企業進行數據分析以及決策支持的必要手段。在很多行業特別是電信、交通、零售等業務領域，和生物學等尖端學科，數據挖掘已成為熱門研究。

電信行業：數據挖掘技術在電信行業得到廣泛應用，應用數據挖掘來分析用戶盈利能力，根據不同的用戶制定合理的電話收費和服務標準，針對不同客戶群制定相應的優惠政策保持用戶，還可以進行盜用模式識別或是異常模式分析從而防止費用欺詐等［37］。

交通行業：數據挖掘在交通領域中的應用是尋找交通數據中的規律，預測和分析交通流量、交通擁堵狀況和交通流分布情況，為交通管理決策提供支持，有助于緩解交通擁堵和優化交通路網運營，促進交通穩定發展［38］。

零售業：在傳統零售店中，購買物品的客戶行為相對分散，隨著超市和百貨公司的出現，客戶可以一次性在店內購買所需的所有商品，銷售方可以輕松收集和存儲大量的銷售數據和客戶信息。通過對這些數據的分析，可以得到客戶購買物品的一般行為模式，用于幫助指導商家合理購進貨物、安排庫存和進行貨架的擺放設計。

生物學：數據挖掘主要運用在遺傳基因工程的研究上，發現特殊疾病的基因排列信息，從而提供新的解決思路和方法。數據挖掘可以從各種生物體的DNA序列中分離定位出具有某種特定功能的基因串，也可以在遺傳基因數據庫中搜索類似于某種蛋白質的結構，以達到治療疾病的目的［39］。

2.3.3 關聯規則數據挖掘

數據挖掘中有關聯規則、決策樹、聚類分類等多種挖掘算法，而關聯規則最初是 Agrawal等人針對購物籃分析問題提出的，是通過對大量客戶同時購買的可能毫無關系的不同商品的分析，發現它們之間的關聯關系。目前關聯規則的研究主要涉及其理論探索，或者是在 Apriori 系列算法基礎上的改進和新算法設計等［40］。這里對關聯規則基本概念以及兩種常用關聯規則算法特別是FP_Growth算法進行詳細介紹。

(1) 基本概念

設數據項集合I={Ii,I2，…,Im}，D為交易數據庫，其中的每個交易琢=1,2，…,n)是數據項集I的非空子集，即tio I，每個交易均包含唯一的識別編號TID與之對應。

關聯規則是如“ A n B ”的蘊含式，其中A u I，B u I且AAB= 0。還有兩個閾值標準，支持度support和置信度confidence，前者表示D中同時包含A和B的百分比，后者表示在包含A的情況下，包含B的百分比，它們分別描述了關聯規則的有用性和確定性。具體表示為：

support( A dB ) = P( A U B ) (2.1)

confidence( A dB ) = P(B | A) = P( A U B )/(P( A) (2.2)

強關聯規則就是滿足最小支持度min_sup和最小置信度min_conf的關聯規則，而關聯規則挖掘就是通過用戶指定的最小支持度min_sup和最小置信度min_conf尋找強關聯規則的過程。滿足最小支持度計數的項集稱為頻繁k-項集。

挖掘關聯規則包含兩個步驟：第一步，發現所有支持數計數大于等于預先設置的最小支持數計數的頻繁項集；第二步，根據得到的頻繁項集，產生滿足最小置信度的強關聯規則。

此外，還可以用有趣性等不同閾值作為衡量標準來挖掘關聯規則知識［41］。由于第二步中產生強關聯規則極為簡單，因此關聯規則挖掘的整個性能就是由第一步中的發現頻繁項集這一步驟決定的。

(2)Apriori 算法

Apriori算法是使用逐層迭代搜索的方法來挖掘頻繁項的算法，直到如今，仍然是最有影響的很多新型算法的理論基礎。其理論基礎用以下兩個定理來概括：

定理2.1：若X是頻繁的，那么它的所有非空子項集都是頻繁的。

定理2.2：若X不是頻繁的，那么它的所有父項集都不是頻繁的。

Aprior i算法生成一個長度為100的頻繁模式時，所產生的候選集的數量至少為1030, 計算復雜性成指數增長，產生大量候選項集，致使挖掘過程I/O操作頻繁，加重系統負載。

(3)FP_Growth 算法

FP_Growth算法又名頻繁模式增長算法，是Han Jiawei等人［42］為了減少原始數據集的讀取，減少候選集的生成而提出的，該算法要求在內存中構造FP樹，共享前綴，相比 Apriori 算法，極大壓縮了數據集，克服了多次掃描數據集、生成的候選集數量龐大導致的執行效率較低的缺點，提高了挖掘效率。

下面就FP_Growth算法中的一些重要概念和基本性質進行詳細介紹。

FP_Growth 算法的一些重要概念：

FP 樹是將原始數據表中的每一項按照支持度數從大到小排序后，再依次插入一棵根結點為root的樹中，root標記為null，同時記錄結點支持度，圖2.5中的樹就是一棵 FP 樹。

FP 樹具有以下性質：

1)對于任何頻繁項F,在頭結點表header中，所有包含F的頻繁模式都能從F項的頭指針開始遍歷其結點鏈獲得；

2)計算后綴為F的頻繁模式時，只要考慮F的前綴路徑即可。前綴路徑中每個結點的計數都和F計數相同，但在條件樹中結點的計數要將每條前綴路徑中的結點計數相加。

3)假設a是數據集I中的其中一項，B是其條件模式基，而b是條件模式基B中的

其中一項，那么a U b與b的支持度是一樣的，也就是說，如果b是頻繁的，那么a U b 也是頻繁的，這稱為頻繁模式增長。

4）假設FP樹T只包含一個單路徑P，那么T的所有頻繁模式都可通過相互連接、枚舉P的子路徑得到，頻繁模式支持度就是該子路徑中支持度最小的頻繁項的統計數。

I5:1

圖 2.5 FP 樹的基本結構

項頭表header是如圖2.5中所示的表，其中所有項按支持度從大到小遞減排序，結點鏈指向每一項在FP樹中的位置，高支持度結點是低支持度結點的祖先結點。

條件模式基是指在FP樹中與后綴模式同時出現的所有前綴路徑的集合，即同一頻繁項在樹中所有結點的路徑集合。如圖2.5中，I3的條件模式基就是｛I2:2｝，｛I1:2｝和｛I2I1:2｝，是I3在FP樹中的3個結點的路徑集合。

條件樹是將某個頻繁項的條件模式基按照FP樹的構造原則再構造一個新的FP樹, 此時稱為條件樹，如圖2.6所示就是I3的條件樹。

依據以上性質，利用FP_Growth算法實現頻繁模式增長，實現偽代碼如算法2.1。

算法 2.1： FP_Growth(Tree, a)

輸入：頻繁模式樹FP樹，模式a

輸出：頻繁項集 L

處理流程：

1)if Tree 包含單路徑 P then{

2)for P 中結點的每個組合(記作 b)

3)生成模式b U a， support = b中結點的min_sup； }

4)else {

5)for each ai 在 Tree 的頭部(按支持度從低至高順序掃描){

6)產生模式 b = a； U a，其支持度 support= a；.support；

7)構造b的條件模式基，然后構造b的條件樹Treeb ；

8)if Treeb 不為空 then

9)調用 FP_Growth(Treeb, b)； }

10 ) }

FP_Growth算法只需掃描原始數據集兩次，并且極大壓縮了原始數據集，使其在內存中被映射成一棵FP樹，以便可以在內存中高效地挖掘。

2.4本章小結

本章研究了煤礦安全信息管理系統設計與實現過程中使用到的技術，說明了 MVC 模式是有哪些部分組成以及它的處理過程和優點，對在線地圖API進行簡單概述，介紹了地圖開發基本流程，從興起、定義、經典應用三方面對數據挖掘技術做了大概闡述，然后，對于關聯規則中的定義定理給出解釋，并介紹了三種經典的關聯規則算法，對論文后面用到的FP_Growth算法從偽代碼、名詞定義等方面進行詳細闡述。

3系統總體設計

3.1系統需求分析

3.1.1 功能需求分析

功能需求是要求開發者在產品中必須實現的功能，表明系統“應該”做什么，能夠更加直接地反映出用戶的需求。

在對本質安全管理研究現狀分析的基礎上，針對系統“應該”實現的功能方面，我們做如下幾方面的分析：

(1)管理環境參數

1)系統進行對煤礦日常安全生產的監控管理，管理員用戶添加煤礦生產數據如井下瓦斯濃度、濕度、溫度、風速、粉塵、 CO 等指標參數，管理煤礦平面圖，添加系統報警信息，這些信息都可作為安全隱患評估的依據。普通用戶可瀏覽這些信息以更好地了解企業生產情況。

2)管理員用戶可以根據查詢到的安全生產信息(生產指標參數，報警信息等)，對這些數據進行挖掘分析，及時發現并預防安全隱患，及時了解煤礦安全生產情況，做到心中有數。

(2)管理生產設備：系統要記錄定期評估的設備的具體檢修情況，檢修結果分為需要更換設備、需要維修和正常三種，并提醒職工每個設備的下次檢修時間，及時發現設備安全隱患，對發現的問題進行補救和完善，以確保設備的安全可控。

(3)管理職工信息：管理員可以對職工基本信息、考勤信息、獎懲信息和三違記錄進行管理，掌握職工日常表現情況和專業技能水平，加強員工技能培訓和安全教育學習，提高各級員工的安全意識。

(4)系統在企業管理方面“應該”實現的功能

1)管理員用戶可以獲取用戶資料信息，對用戶進行集中管理，設置用戶權限及凍結帳號或恢復帳號正常狀態等。煤礦職工可注冊帳號成為本系統的用戶，登錄系統查看煤礦相關信息。煤礦職工可通過系統查詢自己的職工基本信息，獎懲信息等相關情況。

2)管理員可以管理新聞綜合信息，發布安全新聞資訊，煤炭行業的政策法規，提供企業相關的文件下載等。普通用戶可瀏覽新聞綜合信息并下載有關文件。

3)用戶可以在系統留言簿留言，提出建議或意見，及時反饋問題，以便更好地維護系統。

一般，軟件系統的用戶量巨大，用戶類型也很多，每個用戶只清楚自己該怎么使用

系統，卻沒人能準確地明白系統整體是怎么運行的。因此，使用 UML 用例圖可以很好地表達用戶需求，回答“系統該為每個用戶或者每種類型用戶做些什么”。該系統管理員和普通用戶的用例圖分別如圖 3.1 和圖 3.2。

煤礦安全監控信息管理系統

圖 3.1 管理員用戶操作用例圖

3.1.2 非功能需求分析系統非功能需求是除功能需求之外，對系統的其他綜合要求，包括標準實用性、系統穩定性、可擴展性和可靠安全性等。

(1)標準實用性信息管理系統的設計開發應該把實用性放在第一位。在煤礦安全監控信息管理系統

的設計過程中，首先要符合煤礦安全監察部門對安全監控系統的管理模式和運行機制。系統設計應將計算機的大容量存儲和高速處理能力最大化。再有，開發過程中的軟硬件要符合行業標準，要將方便用戶使用作為標準，滿足編碼規則和界面的統一以及全漢化等的基本要求。

(2)系統穩定性系統穩定性是開發軟件系統必須考慮的問題之一，其穩定與否與系統運行效果直接

相關。系統穩定性具體是指在系統運行過程中，遇到突發情況或設備障礙時，能否繼續正常工作而不至于完全崩潰，處于癱瘓狀態。

(3)可擴展性一個良好的系統除了在單個平臺運行，滿足現有功能需求外，日后還需要補充一些

新功能，所以系統需具備可擴展的功能以滿足實際需要。因此，設計系統時應為未來的系統擴展做準備，預留一些接口。

(4)可靠安全性該系統通過加密技術對用戶密碼進行加密操作，通過不同的帳號密碼給用戶設置不

同的操作權限，最高級別就是系統管理員，可對系統進行后臺管理。只有先注冊用戶才能訪問系統，在注冊過程中會檢驗其合法性，這就進一步保障了系統的可靠安全性。

3.2系統設計思想

3.2.1 本質安全理念

目前，國內在本質安全的定義上尚未形成統一的認識，不同的行業如石油、電力和煤炭等都有自己對本質安全含義的界定［43］。

石油行業的“本質安全”是指通過追求“人、機、環境”的和諧統一，實現系統無缺陷、管理無漏洞、設備無故障。

電力行業的“本質安全”分解為兩個目標，“零工時損失，零責任事故，零安全違章”的長遠目標和“人、設備、環境和諧統一”的終極目標。

煤炭行業的“本質安全”實質上是指安全管理理念的變化，是指以前認為發生煤礦事故是必然的，不發生事故是偶然的；但是若在作業過程中嚴格按照標準和規程進行，實現把事故降到最低甚至零事故，這樣就認為發生事故是偶然的，不發生事故是必然的，這就是“本質安全”。

根據目前對本質安全研究現狀的分析，本質安全定義有了狹義和廣義之分。

狹義上的本質安全，指保證設備和設施的固有安全屬性，即在設備設計和制造過程中，其預設的安全保護裝置具有自動防止操作錯誤或引起事故的屬性，只要保證了設備和設施預設的安全保護裝置的安全性，就可防止事故的發生。由此可見，狹義的本質安全概念，僅指安全生產系統中設備設施這一個基本要素。

廣義的本質安全是諸多要素的本質安全的融合體，不但包含設備要素，而且包含了企業生產流程中“人－機－環境－管理”四個方面的基本要素，涵蓋了安全生產系統的完整要素，其核心也是指通過對這四要素系統動態的治理和控制，消除“人－機－環境－管理”各個方面、各個環節的安全隱患，夯實安全基礎，強化安全措施，從而保障整個生產管理系統安全可靠，達到預防和避免安全事故的目的。

煤炭行業的“本質安全”就方法角度來說，是從根本上減少或消除危險，通過技術手段、機械設備、生產過程等條件的改進和完善來減少或消除危險，而不是采取附加的安全措施來控制危險。

實際上，這種定義強調的是一種思想，即在相對可靠的技術和機械設備以及環境的條件下，通過有效的管理機制和管理辦法，從根源上減少甚至消除不安全因素，使影響煤礦安全的各個因素處于可控制狀態，最大限度提高系統的可靠性，不斷趨向系統最安全，使煤礦事故發生率降到最低的或可接受的限度。

3.2.2基于本質安全理念的煤礦安全管理體系構建

通過以上對煤礦企業目前安全生產現狀以及提高煤礦本質安全生產的迫切要求的分析，以本質安全理念為指導基礎，在借鑒現有安全管理成果的基礎上，構建煤礦本質安全管理體系，切實強化安全生產過程控制和超前防范，嚴格落實“作業標準化、管理規范化”，最大程度地降低安全風險，使煤礦安全工作更具超前性、針對性和主動性，促進煤礦安全管理的規范化、系統化和科學化。

煤礦安全管理體系框架如圖 3.3 所示，分為四個部分：安全管理體系的目標、任務和指導思想；安全管理體系建設內容；安全管理渠道；安全建設措施。具體而言，主要包括：

(1)“三項行動”：深入開展安全生產宣傳教育、監督檢查、隱患治理。

(2)“三項建設”：抓好安全生產體制機制、安全生產能力、安全管理隊伍。

(3)“三個基礎”：安全信息化基礎、安全文化基礎、員工教育培訓基礎。

(4)“兩個重中之重”：井下作業安全、安全管理落實。

(5)健全安全管理“二制”：健全安全管理體制、健全安全管理責任制。

(6)提升安全管理“三全”：全員參與、全流程安全管理、全社會安全管理。

安全管理渠道健全安全管理 “二制” 提升安全管理 “三全” 實現安全管理 “四化” 安全管理 “五創新” 安全管理

“六大標準化”

安全建設措施五落實五到位加強基礎建設實施過程控制加強應急處置建設安全監管平臺

圖 3.3 基于本質安全理念的煤礦安全管理體系構建框架

(7) 實現安全管理“四化”：安全制度法制化、安全管理規范化，現場作業標準化、

檢查整治常態化。

(8)實施安全管理“五創新”：安全管理理念創新、安全管理體制機制創新、安全管理制度手段創新、安全科技創新、安全文化創新。

(9)推進安全管理“六大安全標準化”建設：規章制度標準化、設施設備標準化、人員配備標準化、現場管理標準化、過程控制標準化、評估評價標準化。

(10)“五落實五到位”：“五落實”主要包括：必須落實“黨政同責”要求；必須落實安全生產“一崗雙責”；必須落實安全生產組織領導機構，成立安全生產委員會；必須落實安全管理力量，依法設置安全生產管理機構；必須落實安全生產報告制度。“五到位”是指必須做到安全責任到位、安全投入到位、安全培訓到位、安全管理到位、應急救援到位。

(11)加強基礎建設：對當前安全管理的基礎進行加強、夯實，主要包括安全管理制度基礎、設備質量基礎、職工隊伍與安全文化建設基礎等方面。

(12)實施過程控制：安全過程控制包括構建安全風險過程控制體系、提升安全風險

過程控制水平和落實安全風險過程控制責任等內容。

(13)加強應急處置：主要包括建立快速反應機制、強化風險預警管理和加強應急能力建設等方面。

(14)建設安全監管平臺：從煤礦安全信息管理的角度出發，構建煤礦安全監控信息管理平臺，收集危險源實時狀態信息，將各重點監控對象的監控參數實時顯示至監管平臺，使監管職能部門實時掌握動態情況與安全生產情況，并進行安全評估與預警，初步實現為煤礦安全生產監控提供技術支撐。

從本質安全管理的維度來講，主要包括：

(1)人的本質安全要求生產環境中的任何人遵章守紀，消除“三違”，實現個人到群體的本質安全。企業可以安排員工安全教育學習以提高各級員工的安全意識；通過加強員工技能培訓，根據員工崗位職責不同，進行針對性技術培訓；完善管理激勵機制和監督機制，加強“三違”考核力度，調動員工遵章守紀的主動性和積極性。

(2)設備的本質安全要求在任何時間地點，設備都可以運行良好，不發生故障，所有保護設施都安全可靠。企業要定期對設備進行評估，及時發現設備安全隱患，對發現的問題進行補救和完善，以確保設備的安全可控；設備選型時，要充分考慮安全運行的需要，嚴把關，盡力避免先天不足的問題；由于煤礦生產中安全的重要性，要重點關注煤礦的安全管理，嚴格按照國家有關部門、行業相關規章制度做好日常檢查與定期分析，確保煤礦的安全生產和可靠運行。

(3)環境的本質安全要求煤礦企業的生產環境符合國家安全生產法律法規要求，無安全隱患，符合本質安全管理體系的規范要求。首先要消除環境中的不安全因素，使溫度、通風、濕度、瓦斯濃度和有毒有害物質等環境因素得到控制，確保生產條件和安全設施都符合法律法規；其次，要注意地理環境和氣候的影響，關注氣候變化對員工和設備等的影響，防備由于外部環境變化產生的風險，做好應急管理，以應對突發自然災害對企業的安全影響。

(4)管理的本質安全要求建立健全科學的規章制度和安全管理體系，實現安全管理閉環運行。在公司原有規章制度的基礎上完善本質安全的管理制度體系，使安全管理范圍涵蓋“人機環管”的各個環節，使每個安全生產管理過程都可以控制并形成閉環。

在基于本質安全理念的煤礦安全管理體系下，建立不同的管理機制如下：

(1)強化安全責任機制，有效落實安全制度。做好“責任到人”的落實機制，完善 “有責必問”的考核機制，落實“失職必究”的責任追究機制。

(2)優化職工培訓機制，全面提高員工素質。進行職業適應性檢查，嚴把入門關；加強安全管理專項培訓，把好培訓關。

(3)加強思想政治工作保障機制，有效促進安全文化建設。安全文化建設是預防事故的基礎性工程，良好的安全人文氛圍和協調的人機環境關系，對人的觀念、行為的形成會產生潛移默化的影響，從而控制人的不安全行為。

(4)建立事故隱患動態管理機制。建立事故隱患監控點實時監控制度、監控網絡制度和事故預警制度。

(5)建立事故隱患持續改進機制。建立基于 PDCA 循環管理模式的隱患持續改進機制［44］，其管理運行模式如圖 3.4 所示。

圖 3.4 PDCA 模式

P (計劃)：煤礦企業要建立本質安全管理體系的組織管理機構，對組織機構成員

進行理論培訓，全員應支持并堅持本質安全理念；確定本質安全化的目標任務；制定工

作實施計劃和管理方案；明確各階層員工任務分工并制定時間表。

D （實施）：煤礦企業要在原有體系的基礎上，根據本質安全要求，編制本質安全管理體系文件；對企業員工進行安全培訓，提高全體員工的本質安全意識和能力；在安全生產各個階段中落實本質安全管理體系文件，嚴格按照文件指示執行。

C （檢查）：煤礦企業要在執行體系文件同時，檢驗其運行效果，對本質安全化水平進行評估；采取相應的措施處理生產過程中發生的事故和存在的安全隱患，防止此類問題的再次發生。

A （改進）：煤礦企業要依據第三步的評估結果，修改并完善本質安全管理體系。

（6）建立事故隱患監控評價機制。重點實行三個評價：一是職工評價，企業組織職工對生產作業現場設備、環境、人的行為和現場管理進行評價；二是企業評價，企業組織本單位的技術人員對安全生產情況進行評價，或聘請中介機構、安全專家進行評價；三是監管評價，各級安監等部門根據職責分工，定期不定期對企業安全生產狀況、安全監控工作體系推行情況、事故發生情況等進行評價。

3.3系統整體架構

煤礦安全監控網絡拓撲結構如圖 3.5 所示，各類傳感器和井下工作分站裝配在該拓撲結構的底層，分站接收各類傳感器的檢測信息。工作分站設有人機對話接口，可以設定各種被測參數的上下超限值等；采用以太環網接口接入高速中繼傳輸網絡，與地面工作主站進行雙向數據交換，處理工作主站傳輸的信號并輸出“0”或“1”的控制信號。

工作主站通過通信模塊與分站雙向交互數據。在此過程中，通信模塊主動發起對話，啟動后臺線程，在數據庫中查詢系統狀態表，獲取用戶操作信息，向分站下發命令或者配置信息。同時，通信模塊會啟動一個間隔為系統輪巡周期的定時器，每個周期都要求分站發送所有監測數據，存入原始數據表并根據每個監測參數的超限值或報警閾值，在報警信息表中填寫相應的信息。

在該拓撲圖的最上層， B/S 模式的使用將處于不同區域的終端設備連接起來，以實現廣域網絡化的煤礦安全生產遠程監控。

3.3.2 系統邏輯體系結構

系統采用可以將實現邏輯和業務表現分離開的多層分布式架構，更貼近實際業務處理流程。前臺操作無需控制業務邏輯，只需在人機交互界面進行操作處理即可。根據業務需求和系統各部分功能的不同，整個系統分為表示層、業務邏輯層、數據層、傳輸層和物理層五層結構，如圖 3.6 所示。

(1)物理層

該層是數據的最底層來源，包括各井下分站、各類傳感器和一些煤礦控制設備等。傳感器主要包括有溫度傳感器、風速傳感器、瓦斯傳感器、壓力傳感器、設備開停傳感器等。

(2)傳輸層

數據通信模塊位于傳輸層，負責上傳下達數據或命令。它連接了數據層和物理層，根據數據傳輸交互的不同情況，可以將收發數據包的情況分為執行命令、配置命令、監控數據、通訊中斷后的存儲數據四種情況。

(3)數據層

該層的作用是同業務邏輯層和物理層進行交互，傳輸層的數據通信模塊獲取井下監控數據之后，會發送給數據層以表格的形式存儲在數據庫中。當業務邏輯層的圖表顯示、實時查詢等不同通信組件發出相應的請求時，就調用數據層中存儲的相應數據返回到業務邏輯層中，并以不同的形式在表示層呈現出來。

(4) 業務邏輯層

該層負責根據業務邏輯加工處理輸入輸出的數據，將用戶的請求作為發起一方，根

據業務請求的不同，應用服務器分發到對應的通信組件，再由組件向數據層的數據庫服務器發送請求，訪問數據庫服務器，并在服務器返回數據之后，由組件將返回結果發送給客戶端。

(5)表示層

該層提供人機交互界面，圖形化操作界面和可視化空間以 WEB 形式在動態網頁中顯示，所有的數據輸入和數據顯示都在此層完成。當用戶需交換數據時，不能直接訪問數據庫服務器，必須通過業務邏輯層中的不同組件接口訪問服務器，以保證后臺數據的安全性。

3.4系統體系結構

本課題采用B/S (瀏覽器/服務器)模式進行開發。如圖3.7所示，是B/S模式的結構圖。用戶在客戶端運行Internet Explorer等瀏覽器，通過瀏覽器向WEB Server發出訪問請求，WEB Server接收并進一步處理請求，將請求轉化為SQL語句，發送給數據庫服務器，數據庫服務器在驗證合法性之后對數據進行處理，然后將結果返回給 WEB Server，WEB Server再返回給瀏覽器，最后瀏覽器將結果以WEB頁面的形式顯示出來。

B/S結構只需通過瀏覽器就可以與用戶進行交流，所以系統維護的消耗較小，而且是建立在廣域網上的，所以國家、省市的煤礦安全監察部門或礦務局只要通過瀏覽器就可以及時了解到各個礦區的真實情況，掌握礦山各個領域的安全數據和生產情況，及時發現問題并制定相應規劃。

Browser WEB Database

Server Server

圖 3.7 B/S 結構圖

3.5系統功能模塊設計

煤礦安全信息管理系統為煤礦安全管理工作提供方便高效的管理，并服務于煤礦安全管理工作的全過程，系統分為生產管理和信息查詢兩大模塊，如圖 3.8 所示。

(1) 生產管理

數據管理中心：包括數據實時顯示、智能地圖、報警信息和設備定期檢修四個子模塊。數據實時顯示主要記錄井下不同測點傳輸回來的安全指標信息，如井下瓦斯濃度、濕度等數據，并以表格、柱狀圖和折線圖實時顯示在屏幕上，供煤礦職工進行查看，以便及時了解井下安全情況。一旦各安全指標超過其預設上限值，就觸發報警系統，報警系統根據不同類型的故障發出聲響或語音提示，通知相關工作人員進行處理。報警信息模塊便是對每次觸發報警的具體情況的記錄及統計。智能地圖模塊是基于在線地圖 API 技術，將人員信息和煤礦地理空間信息有效整合，把礦井內部動態信息和位置信息在地圖上顯示出來，以便工作人員及時查看，從而避免工作失誤，保證生產安全。設備定期檢修模塊記錄定期評估的設備的具體檢修情況，并提醒職工每個設備的下次檢修時間，及時發現設備安全隱患，確保設備的安全可控。

事故預防管理：包括安全信息分析、安全隱患管理、應急預案管理三個子模塊。前兩項主要是指對數據管理子系統中采集到的監測數據及日常管理中獲得的安全信息通過數據挖掘進行安全分析，找到可能發生的安全隱患，由相關管理人員發布隱患具體信

息，并通知各部門相關人員消除隱患，從而減少安全事故。應急預案管理模塊是在事故發生前，預先設定好各種事故災難對應的救災應急預案，包括具體的施救措施和方法，人員及設備等。

煤礦安全信息管理系統

生產管理 1

信息查詢

煤礦數據查詢職工信息查詢新聞綜合信息

數 —1 _1__L_ r 1 ' 1 1

據智三新政文留

實能懲勤本警違聞策件留

時地信資法下言簿

顯圖息訊規載簿

示

圖 3.8 系統功能模塊圖

職工信息管理：包括基本信息管理、考勤管理、獎懲管理和三違管理四個子模塊。基本信息管理模塊主要是對職工基本信息進行錄入、瀏覽、修改、刪除等操作。考勤管理模塊對職工出入井信息進行管理，掌握職工出入井情況，為安全信息分析模塊提供基礎數據。獎懲管理模塊記錄統計工作期間的獎懲情況從而使企業管理更準確清晰。三違管理主要是記錄職工三違情況，并定期統計分析，以便及時采取處理措施，減少并避免危險情況的發生。

新聞綜合信息管理：管理員對新聞綜合信息進行添加發布，國內外的最近煤礦事故和行業動態等新聞資訊，煤炭行業的政策法規，上傳與企業管理相關的文件供職工下載等。

用戶中心管理：該模塊是供管理員來維護系統的，可獲取用戶資料信息，對不合法的用戶進行帳號凍結，給予認證身份通過的用戶一定的管理權限等。

留言簿管理：該模塊是對信息查詢模塊的留言簿中的建議意見和反饋問題等留言篩選進行回復或刪除操作。

(2) 信息查詢煤礦數據查詢：包括數據實時顯示、智能地圖、報警信息的查詢。數據實時顯示將井下采集到的實時數據通過表格、柱狀圖和折線圖的方式直觀地展現出來，供煤礦職工查詢瀏覽；智能地圖將礦井內部人員信息和位置信息以可視化的方式顯示出來；報警信息是對各種類型的報警情況的記錄和統計。

職工信息查詢：包括對基本信息、日常考勤和獎懲信息以及三違信息的查詢，職工通過這一模塊查詢自己的日常考勤情況，工作期間的獎懲情況，以及三違情況，更好地了解工作情況。

新聞綜合信息管理：主要負責報道最近國內外煤礦事故的一些新聞咨詢，煤炭行業相關的政策法規以及相關的文件下載，以便用戶及時查看，提醒職工防范類似問題的發生；用戶可以在留言簿留言，對提出建議或意見，及時反饋問題，以便更好地維護系統，使系統更加完善。

3.6數據庫設計

根據以上對煤礦安全監控信息管理系統的分析，該系統的數據表包括分站表、監控類型表、監控信息表、數據查看信息表、歷史數據表、報警信息表、職工基本信息表、設備定期檢修表、用戶信息表、新聞綜合信息表和留言信息表等。

分站表(Workstation)中存放的是煤礦安全監控信息管理系統所有工作分站的基本信息，結構如表 3.1 所示：

表 3.1 分站表(Workstation)

序號字段名字段含義數據類型備注

1 WsID 分站ID int PrimaryKey

2 WsName 分站名 nvarchar(20)

3 WsIP IP varchar(15)

4 Brand 型號 varchar(20)

5 Status 狀態 int 0 無效， 1 正常， 2 維護

監控類型表(MonitorType)定義系統中所有傳感器和控制通道的類型，結構如表

3.2所示：

表 3.2 監控類型表( MonitorType )

序號字段名字段含義數據類型備注

1 TypeName 類型名稱 nvarchar(20) PrimaryKey

2 PhyQuan 被測物理量 nvarchar(10)

3 Unit 測量單位 varchar(10)

4 Maximum 上限 double

5 Minimum 下限 double

6 Brand 型號 varchar(10)

7 Status 狀態 int 0 無效， 1 正常

監控信息表(Monitorinfo)用來存放所有傳感器和控制通道的基本信息，結構如表

3.3所示：

表3.3監控信息表(Monitorinfo)

序號字段名字段含義數據類型備注

1 MonlD 測點 iD int PrimaryKey

2 MonName 測點名稱 nvarchar(20)

3 WsiD 所屬分站 int WorkStation 表中的 WsiD

4 Location 測點位置 nvarchar(20)

5 MonType 控制類型 int 0 傳感器，1 控制通道

6 TypeName 測點類型 nvarchar(20) MonitorType 表中的 TypeName

7 LimitVal 報警限 double

8 Status 狀態 int 0 無效， 1 正常

每一個傳感器都相應地隸屬于一個工作分站，都具有一個對應的監控類型，所以分

站表、監控類型表、監控信息表之間的對應關系如圖 3.9 所示：

圖 3.9 Workstation> MonitorType 與 MonitorInfo 對應關系

數據查看信息表(DataInfo)用于存儲記錄某個時刻井下傳回的各個指標參數的具體

值，供廣大職工和礦長等用戶及時查看，如表3.4所示：

表3.4數據查看信息表(DataInfo)

序號字段名字段含義數據類型備注

1 DataID 數據信息ID int PrimaryKey

2 Time 時間 date

3 Location 位置 nvarchar(20)

4 Gas 瓦斯濃度 double

5 CO 一氧化碳濃度 double

6 Humidity 濕度 double

7 Temp 溫度 double

8 Wind 風速 double

9 Press 負壓 double

10 Fan 風扇開停狀態 int

11 Airdoor 風門開關狀態 int

歷史數據表(HistoricalData)存儲的是在系統運行過程中的各個測點的測量值，每個輪巡周期都有一個監控程序會獲取各個測點的數據，然后將實時數據放入這個表中。

歷史數據表記錄了各個測點每一個周期發生的情況，所以是整個庫中數據量最大的數據

表，結構如表 3.5 所示：

表 3.5 歷史數據表(HistoricalData)

序號字段名字段含義數據類型備注

1 MoniD 測點ID int Monitorinfo 表中的 MonlD

2 Value 測量值 varchar(20)

3 Turn 測量輪次 int

4 ReTime 測量時間 date

報警信息表（Alarm）中存放的數據是表示系統的各種異常，包括傳感器異常、設備故障、求救報警等。當發生異常時，后臺程序會自動記錄，并存入報警信息表中，結構如表 3.6 所示。

報警事件表中的數據記錄了系統運行過程中所有的異常，包括發生異常的測點和站點、類型、發生時間和報警值，為報警事件查詢提供數據依據。

表3.6報警信息表（Alarm）

序號字段名字段含義數據類型備注

1 AlarmID 編號 int PrimaryKey

2 WsID 分站 ID int WorkStation 表中的 WsID

3 AlaTime 報警時間 date

4 AlaType 報警類型 nvarchar(10)

5 Value 報警值 varchar(20)

職工基本信息表（Staff）中存放的是煤礦職工的基本信息，結構如表3.7所示:

表3.7職工基本信息表（Staff）

序號字段名字段含義數據類型備注

1 StaffiD 職工編號 int PrimaryKey

2 StaffName 職工姓名 nvarchar(10) WorkStation 表中的 WsiD

3 Nationality 民族 nvarchar(10)

4 Sex 性別 nvarchar(1)

5 Age 年齡 int

6 idenNum 身份證號 int

7 WorkKind 工種 nvarchar(10)

8 Depart 部門 nvarchar(10)

9 Origin 籍貫 nvarchar(30)

10 Addr 現居住地址 nvarchar(30)

11 PhoneNum 聯系電話 varchar(15)

12 Email 電子郵件 varchar(30)

設備定期檢修表（Equip）中存放的是每個檢修周期檢修各類設備的詳細情況，結構如表 3.8 所示：

表3.8設備定期檢修表（Equip）

序號字段名字段含義數據類型備注

1 EquipID 設備編號 int PrimaryKey

2 EquipName 設備名稱 nvarchar(10)

3 EquipClass 設備分類 nvarchar(15)

4 EquipPer 檢修人 nvarchar(10)

5 EquipTime 檢修時間 date

6 NextTime 下次檢修時間 date

7 EquipRes 檢修結果 nvarchar(10)

用戶信息表（Userinfo）中存放的數據是和系統用戶有關的，存儲注冊了系統的用戶的相關信息，包括用戶名密碼、姓名、權限和帳號狀態等，結構如表3.9所示：

表3.9用戶信息表(UserInfo)

序號字段名字段含義數據類型備注

1 UserID 用戶名 varchar(10) PrimaryKey

2 Password 密碼 varchar(10)

3 Name 姓名 nvarchar(10)

4 Sex 性別 nvarchar(1)

5 Age 年齡 int

6 Email 電子郵件 varchar(30)

7 Addr 現居住地址 nvarchar(30)

8 PhoneNum 聯系電話 varchar(15)

9 ReTime 注冊時間 date

10 State 權限 int 0 普通用戶，1 管理員

11 Status 帳號狀態 int 0 正常， 1 凍結

新聞綜合信息表(News)存儲信息查詢模塊里新聞綜合信息板塊中顯示的國內外煤

礦新聞資訊和相關的政策法規，供廣大系統用戶瀏覽，如表3.10所示：

表3.10新聞綜合信息表(News)

序號字段名字段含義數據類型備注

1 NewsID 信息編號 int PrimaryKey

2 Title 標題 nvarchar(20)

3 Time 時間 date

4 Context 內容 nvarchar(1000)

5 Fromto 來源 nvarchar(10)

6 Uploader 上傳者 varchar(10)

留言信息表(Messages)記錄信息查詢模塊中留言簿的用戶留言，管理員對這些留

言進行回復或者刪除的相應處理，以便更好地維護系統，如表3.11所示：

表 3.11 留言信息表 (messages)

序號字段名字段含義數據類型備注

1 NewsiD 留言編號 int PrimaryKey

2 Title 標題 nvarchar(20)

3 Time 留言時間 date

4 Context 內容 nvarchar(200)

5 UseriD 用戶名 varchar(10)

6 Flag 用戶類型 int 1 系統注冊用戶，0 游客

7 Rtime 回復時間 date

8 Rcontext 回復內容 nvarchar(200)

3.7本章小結

本章從系統的需求分析開始，分析煤礦安全監控信息管理系統的功能需求與非功能需求，采用用例圖給出不同類型用戶的功能需求；引入本質安全理念，提出基于本質安全理念的煤礦安全監控管理體系；從系統的整體架構著手，設計網絡拓撲結構和邏輯體系結構，提出采用 B/S 結構，介紹了系統功能模塊分為生產管理和信息查詢兩大模塊；最后給出系統數據庫的設計過程，建立煤礦安全監控信息管理系統業務數據表，發現數據表之間的結構關系，從而對系統總體設計有一個整體規劃。

4系統實現

4.1 開發平臺的選擇

煤礦安全管理信息系統采用Java開發平臺(MyEclipse)進行開發。MyEclipse是一個源碼開放的可擴展平臺，通過插件來構建用于開發J2EE的開發環境。其中的插件開發環境希望可以擴展MyEclipse的開發領域，構建可以和MyEclipse平臺無縫集成的各類專業工具。MyEclipse具有編碼、調試、測試和發布這一套完備的開發功能，而且支持 JSP, CSS, Javascript和SSH框架等，在WEB開發和數據庫方面有很好的運用。

設計模式采用J2EE中的MVC模式，基于J2EE架構的信息化業務層次結構如圖4.1 所示。

JDK使用JDK1.8.0-65,使用對JDBC進行了輕量級封裝的Hibernate框架，這樣就可隨意對數據庫進行操作。Hibernate的核心接口如圖4.2所示。

圖 4.2 Hibernate 核心接口

服務器采用Tomcat，這是一個開放源碼的免費的WEB應用服務器，而且技術先進, 性能穩定，所以深受Java開發者的喜愛。Tomcat不僅是Servlet和JSP頁面的處理容器, 還具有處理靜態HTML頁面的能力。論文中使用Tomcat 7.0.65版本。

數據庫采用Microsoft SQL Server 2008 R2。它新增的聯機分析處理(OLAP)功能能夠利用數據倉庫的特性分析挖掘數據，揭示出大量數據背后隱藏的傾向，從而預測未來的發展趨勢。

4.2生產管理模塊系統管理員在生產管理模塊中進行相應操作，按不同功能分為數據管理中心、事故預防管理、職工信息管理、新聞綜合信息、用戶管理中心和留言簿管理六個模塊，下面詳細介紹其主要功能模塊。

4.2.1 生產管理模塊主界面生產管理主界面如圖4.3所示。管理員在不同模塊進行操作，可以添加、修改或刪除相應信息。

4.2.2 數據實時顯示模塊

數據實時顯示模塊是將井下各傳感器采集到數據庫的信息通過表格、柱狀圖和折線圖等直觀的方式呈現出來，管理人員及時了可以解井下生產情況。數據實時顯示模塊顯示的是當前時刻的實時數據及當前最近一段時間數據的變化趨勢。

在界面右上方“展示方式”選擇欄中，可以選擇實時數據的不同展示方式，在左邊的樹狀結構顯示了不同監控組和測點信息，可以選擇顯示不同監控組的數據表格或者顯示不同測點的數據柱狀圖和折線圖。

(1) 表格顯示

如圖 4.4所示，是某一時刻某一監控組所有測點的數據表格顯示。管理員在左邊欄

選擇某個監控組，在界面右邊則顯示該監控組中所有測點在這一時間段最新的數據信

息，包括測點ID、測點名稱、記錄值和記錄時間。在右邊表格顯示區還可以選擇導出數據，有 text 文本和 excel 表格兩種格式，導出當前時刻的煤礦安全生產數據，供安全信息分析模塊使用。

圖 4.4 數據實時表格顯示

GB 口監控組01

曰―血組02

□001001001003^5

□001001001001瓦靳傳恿器2

□001001002005—氧化碳

□001001001002O?傳恿器 3

□001001002001濕度

□001001001000OI 傳恿器 1

□001001001005^^

ffi R監控組03

圖 4.5 數據實時柱狀圖顯示

(2) 柱狀圖顯示如圖4.5所示，是某一監控組不同測點在一段時間內的瓦斯濃度柱狀圖顯示。在同一監控組中，有測量瓦斯濃度的不同測點，這些測點可以在同一張柱狀圖中顯示，也可以通過點擊柱狀圖上方的標識來設置圖中顯示哪個測點。當鼠標移動到圖中時，會顯示具體的測點名稱，測量時間以及測量值。

(3) 折線圖顯示

如圖 4.6所示，是某一監控組不同測點在一段時間內的瓦斯濃度折線圖顯示。與柱狀圖相同，可以通過點擊上方標識選擇要顯示哪個測點的變化趨勢，當鼠標移動到圖中時，會顯示這一時刻的具體測點名稱以及測量值。

□0010010 01001瓦廝傳懸器2

□001001001002^＞傳恿器 3

□0010010 02007風速傳感器

□001001001003^]±

□001001001005}!^

□001001002001 濕度

a D陶空組02

S，—陶空組03

圖 4.6 數據實時折線圖顯示

圖 4.7 實時刷新流程

數據實時顯示模塊設置為每 10 秒刷新一次，保證井下數據顯示的實時性，實時刷新流程圖如圖4.7所示。選擇表格展示方式時，左側監控組的選擇操作觸發讀取全局變量SelectedWatchGroup動作，從數據庫中讀取最新數據紀錄，獲得所選監控組中所有測點的數據信息。選擇柱狀圖或折線圖展示方式時，左側測點的選擇操作會讀取全局變量 SelectedSenor，獲得測點當前時刻之前一段時間的數據信息，送入TimeSeriesCollection 中并顯示相應圖表。

4.2.3 智能地圖模塊

智能地圖模塊是將生產過程中出入井人員信息和煤礦地理空間信息有效整合，如圖 4.8 所示，把礦井內部的人員動態信息和位置信息在礦區地圖上以可視化的方式顯示出來，幫助管理層準確快捷地做出決策。

煤礦職工在入井時通過入井考勤系統刷卡，系統將刷卡獲取到的職工工號、姓名、工種、入井時間等信息傳到數據庫，由數據庫保存。如圖 4.9 所示，在智能地圖模塊中，當鼠標移動到某一具體煤礦區域時，會浮動一個信息框，實時讀取數據庫，顯示當前時刻區域內井下人員數、井下每個職工的工號和入井時間，這樣管理層可以更直觀更實時地掌握井下生產情況。

唾1新聞綜合信息

&職工信息管理

&留言簿管理

圖 4.8 智能地圖模塊

圖 4.9 區域人員數地圖顯示

4.2.4 安全信息分析模塊

安全信息分析模塊是事故預防管理模塊下的一個子模塊，是將數據挖掘技術應用于系統生產管理中，在獲得煤礦安全生產參數之后，在安全信息分析模塊中對其進行分析，得到對煤礦安全生產有幫助的信息。

安全信息分析模塊中包括數據樣本展示區、算法選擇、設置和輸出規則、重新開始按鈕，如圖 4.10 所示。其中，算法選擇中兩種算法在第五章中有詳細介紹；輸入數據可以是.txt、.xls或.xlsx格式；用戶可根據實際情況設置不同的最小支持度和最小置信度，以獲得不同的關聯規則。

埶據樣本（* - txt/* -xls/ * . xlsx格式 1 ：

500 數據記錄荼埶500條 A

39,41,48,228,229,230,231

36,38,39,232,233,234,235,236,237,238,239,240,241,24

39,243,244,245 V

39,41.48"246,247,248.249,250

算袪選捍

O 競FP_Growm®法 ® 勰的FP_Growth算法

揃入甑據：

|Q2E336.txt ~| | 瀏覽 |

設庚小支持度:” |

設小置信度:»6 | |確定|

|輸出規則~L規則默認揄出到Rule.txt) I重新開貽-

圖 4.10 安全信息分析模塊

4.2.5 應急預案管理模塊

應急預案管理模塊是在事故發生前，預先設定好各種事故災難對應的救災應急預案，包括具體的施救措施和方法，人員及設備等。如圖 4.11 所示，包括預案名稱、預案負責人、預案創建時間等。

在安全信息分析模塊中利用數據挖掘技術對煤礦生產過程中的安全參數進行挖掘分析，根據得到的安全參數之間的關聯關系，給出煤礦安全治理建議，添加到應急預案管理模塊中，以便煤礦職工隨時查看，更準確指導煤礦安全生產。

如圖4.12所示，由數據挖掘規則得知，瓦斯濃度、CO濃度、粉塵濃度和風速之間具有較高的關聯性，溫度和濕度之間也存在較高的關聯性。這些可能引起煤礦事故的影響因素之間是相互作用和相互影響的，影響因素之間存在耦合現象。

煤礦風險耦合作用后有可能會造成事故風險加大或減少，也可能風險程度不變，根據耦合后造成的風險程度變化，將煤礦風險耦合分為正向耦合、零度耦合和負向耦合［45］。當影響因素發生正向耦合時，會使風險加大或事故范圍擴大，所以要采取一定的措施避免各個影響因素之間的正耦合作用，使其向零耦合或者負耦合轉化，或者降低各影響因素之間的耦合作用強度。

圖 4.11 應急預案管理模塊

應急預案詳細信息

預案名稱煤礦安全治理指導建議

根擁安全信息分析中對數據的分析，制定相應的措施控制瓦斯濃度、co農度、粉塵濃度、隆溫除濕，改善工作面工作壞墳，提高工人工作效率，保障安全生產。

(1)由挖掘規則可知，瓦斯濃度、CO濃度、粉塵濃度、風速具有較高的關聯關系，通過它們之間的聯系，輔助工作面壞墳預警和治理。當工作面瓦斯濃度和粉塵濃度維持在低等級，若增加通風里，則CO農度可能會升高，應重點監測CJ農度，及時做好應對措施的準備。

(2)由挖掘規則可知，工作面溫度和濕度有較高的關聯關系，一般情;兄下高溫對應著高預案內容濕，高濕也對應著高溫。因此，溫度和濕度要協同治理。

1)調整采面通風方式，隆低采面溫度。釆取治理措施：一是改變工作面通風方式。二是把風巷部分設備車放到機巷進風流中。

2)治理巷道枳水，薩低空氣濕度。隆濕的主要措施是：一是及時封閉列濕巷道的巖壁；二是涌水重大的工作面挖排水溝及時抽排巷道秧水，進免稹水橫流。

3)隔離高溫高濕壞墳，輸入低溫干燥風流。將逬風順槽中部分風流采取措施進行干燥和障溫，通過風筒等柔性裝置送入工作面，與工作面的高溫高濕氣流分離開來。

負責人忖任

創遂時間 2017-04-06 15:03:07

圖 4.12 應急預案詳細信息

煤礦事故風險的解耦思想是預防和控制風險影響因素發生交互作用，通過改變耦合的作用方向降低煤礦事故發生的可能或事故發生的范圍。煤礦事故風險解耦原理圖如圖 4.13 所示。

根據解耦原理，對煤礦安全治理提出一些建議或預案。耦合前，控制瓦斯濃度、 CO 濃度、粉塵濃度和風速等煤礦風險影響因素，在這些因素耦合前，提前對其進行風險預控，控制濃度值和從根本上杜絕這些因素耦合的可能性；耦合中，要錯開風險波峰，并

避免耦合風險在波峰處發生，例如在CO濃度風險較大時，應加強對CO濃度的控制，同時避免與其他風險因素在波峰處相遇；風險發生的時候是煤礦系統安全比較薄弱的時候，風險容易集結，所以在耦合后應限制耦合風險的流動。

4.2.6 報警信息模塊報警信息模塊可以根據報警類別和時間的不同查詢到具體的報警信息報表，如圖

4.14所示是求救報警的具體報表。報警類別分為以下幾個類型：求救報警、超限報警、設備故障報警、人員超時報警和區域超員報警等。

圖 4.14 報警信息模塊

求救報警：井下工作人員在遇到危險情況時，移動終端按鍵求救產生求救報警信息。超限報警：井下環境監控裝置（傳感器等）都設置有上下限標準閾值，如果監測到的值超過了這個范圍，產生數據異常，就判定為超限報警。

設備故障報警：井下生產設備與地面主站定期相互發送信號，若主站在一個周期內沒有收到設備發出的信號，就判定為設備故障并發出報警，寫入設備故障報警信息表。

人員超時報警：每一個井下工作人員都有各自規定的工作時間，超過這個時間發生人員超時報警。

區域超員報警：如果井下某個區域的人數超過該區域規定所能容納人員數，那么就發生區域超員報警。

4.2.7 設備定期檢修模塊

設備定期檢修模塊如圖 4.15 所示，是對大型固定設備、采掘運設備、一般生產及輔助設備、專用工具、五小電器、系統管線設施、儀器儀表和其他設備等幾種設備定期檢修的情況進行添加修改或統計等操作，可根據檢修結果（正常、檢修、更換）或設備分類查詢相應的信息，同時該模塊中還給出這些設備的下次檢修時間，以便管理人員安排詳細設備檢修計劃。

設備主期檢修表

檢修結果r［全部v| 設備分類：|全部 v| 檢修時間：|2017-03-10 00:00:00副至|2017-03-17 00:00:00應|

下次檢修時間：至查詢

查詢時間:2017-03-27 09:23

設備編號設備名稱設備分類檢修人檢修時問下次檢修時問檢修結臬

GD2101 礦井提升機大型固走設備耐新 2017-03-11 2017-03-18 正常

CJ4019 掘進機采、掘、運設備王益區 2017-03-11 2017-04-11 檢修（效能降低）

YY0127 儀缺表周青 2017-03-14 2017-03-30 正常

YB1531 局部通風機及輔助豳王舷 2017-03-16 2017-04-16 更換（損壞嚴重）

GD0809 主排水泵大型固走設備吳明 2017-03-16 2017-04-30 正常

CJ2010 膠芾運輸機采、掘、運設備黃杰 2017-03-17 2017-05-04 正常

圖 4.15 設備定期檢修模塊

4.2.8 職工信息管理模塊職工信息管理模塊包括基本信息管理、考勤管理、獎懲管理和三違管理四個子模塊，

如圖 4.16 所示，是某一職工的基本信息，管理員可以對職工基本信息進行錄入、瀏覽、修改、刪除等操作。

E新聞綜合信息虹基本信息

a HRT信息管理膽工編號 JY410

1 肥工姓容趙廣聯

O基本信息管理民族

□考勤管理 .性別里

-年齡 37

☆獎懲管理身份證號 620421198003753928

蘭三違諫工種筍道工

部門機運運搬工區

Q數據管理中心錯貫甘肅省靖遠縣石門鄉

＜事艷防管理家庭住址甘肅省靖遠縣石門鄉

現居住地址甘肅省蘭州市紅古區

A用戶管理中心聯系電話 18381538009

3留言簿管理電子郵件 zgl73994@163.com

圖 4.16 職工基本信息模塊

4.2.9 新聞綜合信息模塊新聞綜合信息模塊分為新聞管理中心、政策法規管理和文件下載三部分，對信息查詢模塊中對應信息進行操作管理。

&用戶管理中心

&留言簿管理

圖 4.17 新聞管理模塊

新聞管理模塊是對信息查詢模塊中展示的一些國內外煤礦事故進行添加，修改和刪除操作的管理模塊，如圖 4.17 所示。

政策法規管理模塊是將有關部門發布的和煤礦企業相關的政策法規添加到信息查

詢模塊中，以便煤礦職工及廣大用戶瀏覽，如圖 4.18 所示。

文件下載管理模塊是對相關下載文件的管理，包括文件上傳和刪除等操作，如圖

4.19 所示。

圖 4.19 文件下載管理模塊

4.2.10 用戶管理模塊

管理員用戶可以獲取用戶資料信息，對用戶進行集中管理，設置用戶權限及帳號狀態（正常或凍結）等，如圖 4.20 所示，是用戶管理模塊界面。

圖 4.20 用戶管理模塊

4.2.11 留言簿管理模塊

留言簿管理模塊對系統用戶（包括游客用戶和本系統已注冊用戶）的留言進行相應的操作管理，如圖 4.21 所示，可以回復或者刪除留言。

留言薄

回復刪除

已回復刪除

未回復刪除

1 N

留言標題

皮帶機頭張緊絞車操作規程

煤礦瓦斯智能化安全抽采系統行業標準研討會舉行

共2條記錄第1/1頁 |< « » >1

S留言簿管理

圖 4.21 留言簿管理模塊

4.3信息查詢模塊

通過以上對系統的需求分析以及總體設計，得知該系統是分為信息查詢和生產管理兩大模塊。信息查詢模塊主要有系統登錄注冊模塊、信息查詢主界面等主要模塊。

4.3.1 系統登錄注冊模塊用戶使用注冊成功的用戶名密碼登錄，后臺根據不同的用戶名密碼識別其對應的權限是管理員還是普通用戶，游客不需要登錄。不同的角色對應不同的操作權限，管理員有系統后臺操作的最高權限。如圖 4.22 所示，是用戶登錄界面。

登錄程序流程圖如圖 4.23 所示，首先在主界面選擇登錄界面進入，輸入用戶號密碼，后臺驗證其正確與否，如正確，識別其管理員或普通用戶的不同身份，從而相應地進入信息查詢或是生產管理模塊；如錯誤，則根據錯誤信息提示重新輸入。

圖 4.23 登錄程序流程圖

實現系統登錄的主要代碼如圖 4.24 所示：

public class login_confirm extends HttpServlet{

public void doPost(HttpServletRequest req.HttpServletResponse res)throws ServletException, IOException { String message=null;

String id=null;

id=req.getParameter("id");

HttpSession session=req.getSession(true);

session.setAttributeC^id^jString.valueOfl^id));

String password=null;

password= req.getParameter(,'password,*);

String kind =null;

kind=req.getParameter("kind");

String temp =getPassword(req,res,id,kind);

if( password.equals(temp))

goo(req,res,kind);

else {

message=“用戶名或密碼有誤！ ”；

doError(req,res,message);

}} '

圖 4.24 登錄代碼片段

圖 4.25 是用戶注冊界面，用戶可以通過注冊系統獲得不同的權限。首先進入注冊界面，填寫個人信息注冊為系統用戶。

4.3.2 信息查詢主界面系統信息查詢模塊的主界面包括內容展示區（政策法規、文件下載、友情鏈接、新聞熱點和煤礦介紹）和導航區（首頁、職工信息、數據管理、用戶中心、留言簿），如圖 4.26 所示。

內容展示區是一些與煤礦企業相關的信息，國內外最近煤礦事故通報等，提供給煤礦職工及廣大用戶瀏覽，和一些相關文件的下載，以及重要網站如國家煤礦安全監察局的友情鏈接。

圖 4.26 信息查詢主界面

導航區是供普通用戶（多是企業職工）了解煤礦安全生產信息的窗口，可以在職工信息模塊查看自己的職工基本信息，查詢自己日常考勤情況，工作期間的獎懲情況以及三違情況，更好地了解工作情況；在數據管理模塊可以查看井下不同測點傳輸回來的井下濕度、瓦斯濃度等安全指標信息，及時了解井下安全情況；在留言簿模塊，用戶可以提出建議或意見，及時反饋問題，以便更好地維護和完善系統。

4.4本章小結

在本章中，給出系統開發平臺 MyEclipse 和 SQL Server 的簡介，數據庫連接方式 Hibernate 的核心接口，對煤礦安全監控信息管理系統中的生產管理模塊和信息查詢模塊進行詳細設計，給出其設計界面、主要實現代碼以及程序流程圖。

5數據挖掘技術在煤礦安全隱患管理中的應用

5.1 安全隱患數據來源

對于煤礦來說，最重要的便是保證生產過程安全，減少并避免事故發生，每一次事故背后都存在一定的安全隱患［46］，所以管理好安全隱患是煤礦重點安全問題，如果隱患沒有被及時發現并處理就可能會引發事故。論文中利用數據挖掘技術對安全數據進行分析利用，進一步發現不同數據項之間的關聯性，從而為安全隱患管理提供科學指導。

論文研究的各類安全數據只限于煤礦生產作業領域，即存在于開采掘進等主要生產環節中的各類數據，包括固定測點傳感器采集的各種物理量和隱患預警信息等數據。其來源方式有兩種，分別是監測設備或傳感器自動采集獲取的安全數據和日常排查工作中人工錄入的信息。

(1) 自動采集獲取煤礦采用壓力傳感器、溫度傳感器等各類傳感器和監控系統實時采集生產過程中關鍵環境參數、主要設備的運行參數和煤層厚度等重要地質參數，這種通過系統或設備自動獲取的數據來源方式是主要來源方式，是煤礦大數據的基礎。當數據異常引起報警時，報警信息也會以系統報警信息表的方式存儲在數據中，一般有超值異常、突變異常和趨勢異常等報警類型。

超值異常是指為被測物理量設置一個取值區間［a, b］,當其值大于上限值b或小于下限值a時，就觸發警報，例如當瓦斯濃度處于［5% ,16%］時，就會發生爆炸；趨勢異常是指當被測物理量持續發生某種變化趨勢時，如遞減、遞增或者保持不變，就認為是有問題的，如若一段時間內某區域的瓦斯濃度持續升高，可能是瓦斯積聚，需要引起重視；突變異常指的是被測物理量的值在極短時間內變化幅度較大，變化率超出正常范圍，如若是瓦斯濃度在極短時間內迅速升高，雖然沒有達到預警值也視為是有問題的。

(2) 人工錄入有些不能通過數值表示或反映的安全隱患，如人的不安全行為和設備的不安全狀態等，需要在日常隱患排查工作中進行人工錄入。國家安全監管局明確規定了在生產過程中要進行隱患排查工作，煤礦企業要將隱患排查工作作為煤礦日常安全管理的一部分，要特別重視進行各種形式的排查工作，如安全檢查、日常隱患排查和特殊隱患排查。對于排查中發現的安全隱患問題，需要人工錄入安全信息管理系統中，以實現安全隱患統計分析和閉環管理。

5.2數據挖掘方案的選擇

在論文第二章中已介紹到 FP_Growth 算法是比 Apriori 算法性能上更加優越的數據挖掘算法，但是在大規模數據挖掘中內存卻成為限制其性能的因素，針對這一缺點，提出一種改進方法，并且，在煤礦安全監控信息管理中利用改進的FP_Growth算法來管理系統數據庫中存儲的大量數據，發現不同隱患項之間的潛在聯系，從而能更好地對煤礦企業管理做出指導。

5.2.1傳統FP_Growth算法及其缺點

在前文中已對FP_Growth算法的一些重要概念和FP樹的基本性質以及從FP樹得到頻繁項集L的算法偽代碼給出了簡要的介紹，下面就FP_Growth算法中如何構造FP樹以一個簡單的例子做詳細介紹。

FP_Growth算法分為構造FP樹和從FP樹挖掘頻繁模式兩大步驟，從FP樹挖掘頻繁模式在算法2.1中已給出說明，FP樹構造算法如算法5.1所示。

算法5.1： FP樹構造算法

輸入：事務數據集D，最小支持度min_sup

輸出：FP樹

1)對原始事務數據集D掃描一次，得到頻繁項列表L，頻繁項按支持度計數的遞減順序排序；

2)創建FP樹的根節點T,標記為“ null ”；

3)for事務數據集D中每個事務Trans do

4)按照L中的順序對頻繁項排序；

5)對排序后的頻繁項表以[q|Q]格式表示(q是首元素，而Q是除去q后頻繁項表中剩余元素)；

6)調用函數 insert_tree ([q|Q],T)；

7)end for

insert_tree( [q|Q], root)

1)if root 有孩子節點 N and N.item-name = q .item-name then

2)N. count + + ；

3)else

4)創建新節點 N；

5)N.item-name=q.item-name；

6)N.count++；

7)q.parent=root；

8) N. node -link 指向樹中與它同名的節點；

9) end if

10) ifQ 非空 then

11)把Q的第一項目賦值給q，并把它從Q中刪除；

12)遞歸調用 insert_tree ( [ q | Q ], N)；

13)end if

完成構造FP樹后，再調用算法2.1開始挖掘頻繁模式。

這里要強調的是，FP_Growth(tree,a)算法的輸入tree指的是原始FP樹或某個頻繁項的條件樹，a指的是模式后綴，首次調用a = NULL；算法輸出為遞歸過程中輸出的所有模式和對應的支持度。需要特別注意的是，在FP_Growth遞歸調用的第一層，模式后綴a = NULL，得到的其實就是頻繁1-項集；對每一個頻繁1-項集，進行遞歸調用算法2.1以獲得頻繁k -項集。

下面以一個簡單的例子來詳細說明如何從 FP 樹挖掘頻繁模式，原始事務數據如表 5.1 所示：

表 5.1 原始數據

TID List of item_ID's

T100 I1,I2,I5

T200 I2,I4

T300 I2,I3

T400 I1,I2,I4

T500 I1,I3

T600 I2,I3

T700 I1,I3

T800 I1,I2,I3,I5

T900 I1,I2,I3

(1)掃描一次表5.1，得到圖5.1中的FP樹和頭表，接下來開始挖掘頻繁模式。

圖 5.1 FP 樹

(2)從支持度最低的15開始，從FP樹中很容易得到15的條件模式基是｛I2 11:1｝, ｛I2 1113:1｝,其條件樹如圖5.2,是單路徑的。現在開始調用FP_Growth算法，15為模式后綴，直接枚舉｛12:2, I1:2，I3:1｝的所有組合，與I5取并集得到支持度＞2的所有模式是｛1215:2, 1115:2, 121115:2｝。

圖 5.2 I5 的條件樹

(3)按照排序接下來是14,條件模式基是｛1211:1｝, ｛12:1｝,條件樹如圖5.3,是單路徑的。現在開始調用FP_Growth算法，14為模式后綴，直接枚舉header表中所有結點與I4的并集，得支持度＞ 2的所有模式是｛1214:2｝。

(4)按照排序接下來是13,它不像I5的單路徑條件樹比較簡單。13的條件模式基是 {1211:2}, {12:2}, {11:2},條件樹如圖5.4,現在開始調用FP_Growth, I3是模式前綴, 條件樹是一個多路徑樹。

首先，將模式后綴I3和條件樹header表中的每一項取并集，得到一個模式b , b ={12 13:4, 1113:4},然后構造模式b的條件樹。對于b ={12 13:4},其條件模式基為空；對于b={I1I3:4},其條件模式基為{12:2},其條件樹如圖5.5所示。

圖 5.5 {I1,I3} 的條件樹

這是一個單路徑的條件樹，將條件模式基{I2:2}與它的模式后綴{I1, I3}取并集產生模式{I2I1I3:2},遞歸調用結束。綜合所有，最終I3的支持度＞2的所有模式為是 {I2I3:4，I1I3:4，I2I1I3:2}。

(5) I1的條件模式基是{I2:4},條件樹如圖5.6,是單路徑的，得支持度＞2的所有

模式是｛I2 11:4｝。

(6)最后是I2，無條件模式基，算法結束。最終得到的頻繁模式如表5.2：

表 5.2 min sup=2 時的頻繁模式

item 條件模式基產生的頻繁模式

I5 {(I2 I1:1),(I2 I1 I3:1)} I2 I5:2, I1 I5:2, I2 I1 I5:2

I4 {(I2 I1:1),(I2:1)} I2 I4:2

I3 {(I2 I1:2),(I2:2),(I1:2)} I2 I3:4, I1 I3:4, I2 I1 I3:2

I1 {(I2:4)} I2 I1:4

FP_Growth 算法僅需掃描兩次原始數據庫，比 Apriori 算法性能優先很多，但當數據規模很龐大或者用戶設置的支持度閾值很小的時候，在內存中構造 FP 樹還是有問題的，是不現實的［47］。對于FP_Growth算法這一缺陷，提出做基于線性表存儲的改進。

5.2.2基于線性表存儲的FP_Growth算法

基于線性表存儲的 FP_Growth 算法的大致思想是：先將原始事務數據集 D 分為幾個互不相交的部分；對于每個部分Di，先掃描一次得到頻繁項列表Li，列表Li中每一項的順序按照掃描得到的每項的支持度遞減排列，然后再根據D中項的順序來重新排列每個事務的項；從每個事務的最后一項開始，從后往前將每個事務的每一項放入一個線性鏈表中，并刪除放入項；在內存允許的情況下，再根據Li從鏈表中讀取每一項從而生成 FP 樹，開始頻繁項集挖掘。

(1) 數據集劃分

這一步驟先將原始數據集D分為很多個互不相交的部分［48］,如圖5.7所示。那么很容易得到，每部分對應的最小支持度計數就是原始數據集的最小支持度與每部分包含的交易數的乘積。挖掘每個部分中的所有的頻繁項集，得到局部頻繁項集。

—第一階第二階段

圖 5.7 數據集劃分

這個步驟的理論依據就是：局部頻繁項集不一定是全局頻繁項集，但是所有的全局頻繁項集一定包含在所有的局部頻繁項集當中。

因此這個數據集劃分的方法是科學的，將所有的局部頻繁項集作為原始數據集的頻繁項集是可行的。

(2) 從線性鏈表挖掘頻繁模式這一步驟是在上一步的基礎上開始的，所以這里就在上一步驟中劃分后的每個部分

Di的基礎來討論。具體的執行過程如算法5.2所示。算法5.2：從鏈表挖掘頻繁項集輸入：數據集 Di，min_sup 輸出：D中的頻繁項集

處理流程：

1)對數據集Di掃描一次，得到頻繁項集Li，并按其支持度進行降序排序；

2)for數據集Di中每個事務Trans do

3)按照 Li 中的順序,對 Trans 重排序；

4)對排序后的頻繁項表從末項tn開始，保存到對應的鏈表En中；

5 ) 從 Trans 中刪除 tn；

6)end for

7)for 每個鏈表 Eido

8)從后往前讀取每一項，將數據從Ei中導出；

9)生成FP-樹，并生成包含ti的頻繁項集；

10)end for

11)合并每一次得到的頻繁項集，得到基于數據集Di的頻繁項集。基于線性表存儲的頻繁模式增長算法在中間過程將部分數據存儲在鏈表中，節省內存使用，適合于數據規模龐大或者支持度閾值很小的挖掘。

(3) 實驗結果及分析

本節對基于線性表存儲的 FP_Growth 算法和傳統的 FP_Growth 算法進行算法執行對比。測試環境為：windows7 32位操作系統；CPU頻率2.30GHz； RAM大小2.00GB。

使用 Java 語言實現兩種算法［49］，支持度設置為 0.02，并通過 JDK 自帶監控工具 JVisualVM來進行算法執行過程中的內存情況監控和CPU分析。

其中，采用測試數據集Retail.dat, Retail為一比利時零售店近5個月的購物籃數據集，數據總量有88163條。由于數據量過大，為了減少算法執行時間，所以測試數據選取Retail.dat的部分數據。

cru

CPU使用情況:24. 9% 垃堀回收話動:1.6%

103%-

£0%-

SOft-

40%-

20%-

一一 i ― I 一」

下牛皿:旳下^4:21

H CPU使用情況口垃圾回收話動

(a) CPU

堆 FermGen

大小:10,399, 744 i宇節已使用：5, 630, 144個詩

最天：67, 108, 864個宇節

(b) Heap

圖 5.8 傳統 FP_Growth 算法運行監視圖

如圖5.8(a)和 5.8(b)所示，分別是傳統FP_Growth算法的CPU和Heap監視截圖。整個算法執行過程耗時9s, CPU使用24.9%,垃圾回收情況為1.6%, Heap使用達到5388472個字節。這是因為生成了大量中間FP樹的原因，所以Heap使用很大，占用大量內存。

基于線性表的 FP_Growth 算法的執行情況如圖 5.9 所示。 CPU 使用 24.7%， Heap 使用達到2435032個字節，整個挖掘過程耗時15s。由于改進后的算法I/O操作較傳統算法有所增多，所以算法執行時間會增加，但是堆使用卻大大減少，極大釋放內存空間。

圖 5.9 基于線性表的 FP_Growth 算法運行監視圖

綜上所述，改進后的算法挖掘時在所用時間方面上會有所增加，但增加的時間量還是可以接受的，在內存占用方面有著極大的改進。因此，當原始數據集極大或是支持度設置很小的時候，基于線性表的 FP_Growth 算法就有很好的挖掘效果，具有一定實際意義。

5.3安全隱患數據的關聯規則挖掘

5.3.1 數據分析

系統對礦井內的各種安全參數信息進行實時監控，自動獲取并將監控數據信息存入相應的數據表中，這些參數信息主要包括監測時間、監測位置、瓦斯含量、煤層厚度、通風量、瓦斯壓力以及溫度等。煤礦安全信息管理系統采用SQL Server 2008 R2作為數據存儲軟件存放監測的參數數據，包括瓦斯濃度、通風量、煤層厚度、瓦斯壓力、溫度、 CO濃度、濕度以及粉塵濃度，部分數據如表5.3所示。

表 5.3 煤礦安全隱患數據

序號瓦斯濃度

(%) 通風量

( m3/min ) 煤層厚度

(m) 瓦斯壓力

(Pa) 溫度 (°C) CO

( ppm) 濕度

( %) 粉塵3

( mg/m3)

1 0.12 1387 3.7 6.8 29 2 90.3 16

2 0.25 1242 6.3 12.5 28 4 88.4 16

3 0.08 1277 4.7 8.9 27 2 89.5 16

4 0.03 1129 7.2 19.3 22 0.02 76.5 2

5 0.05 1258 6.6 15.7 26 0.02 86.3 3

6 0.08 1275 4.9 13.6 25 0.02 64.9 8

7 0.07 1332 4.2 8.4 23 0.03 62.4 6

8 0.02 1115 6.4 18.1 21 0.02 61.8 4

9 0.06 1410 4.8 9.1 25 0.02 78.4 4

10 0.04 1241 3.6 14.7 23 4 76.3 4

11 0.02 1209 5.5 16.3 22 7 73.9 4

12 0.04 1255 5.1 10.6 21 0.63 74.4 9

13 0.04 1250 5.3 13.4 22 6.25 77.5 16

14 0.08 1069 7.8 21.4 27 0.08 72.7 4

5.3.2 數據預處理

上表中的數據每一項都是由五個數據字段組成，分別是瓦斯濃度、通風量、煤層厚度、瓦斯壓力和溫度。由于每個字段的性質不同并且同一字段的不同取值不可能出現在同一數據項中，所以對所有數據進行離散化，為每個字段設置一個標識號與其對應，分別為(A、B、C、D、E、F、G、H)。將瓦斯濃度的值為(0-0.1], (0.1-0.15], (0.15-?) 三組分別標志為A1, A2, A3；將通風量的值為(0-1200], (1200-1300], (1300-~)三組分別標志為B1, B2, B3；將煤層厚度的值為(0-4], (4-7], (7-~)三組分別標志為C1, C2, C3；將瓦斯壓力的值為(0-7] , (7-18], (18-~)三組分別標志為D1, D2, D3；將溫度的值為(10-23], (23-26], (26-~)三組分別標志為 E1, E2, E3；將 CO 濃度的值為(0-5], (5-15], (15-~)三組分別標志為F1, F2, F3；將濕度的值為(0-60], (60-85], (85-100]三組分別標志為G1, G2, G3；將粉塵濃度的值為(0-5], (5-15], (15-~)三組分別標志為H1, H2, H3。對上述原始數據進行數據預處理，如表5.4所示。

表 5.4 預處理后的數據

序號瓦斯濃度

(%) 通風量

(m3/min) 煤層厚度

(m) 瓦斯壓力

(Pa) 溫度 (°C) CO

( ppm) 濕度

( %) 粉塵3

( mg/m3)

1 A2 B3 C1 D1 E3 F1 G3 H3

2 A3 B2 C2 D2 E3 F1 G3 H3

3 A1 B2 C2 D2 E3 F1 G3 H3

4 A1 B1 C3 D3 E1 F1 G2 H1

5 A1 B2 C2 D2 E3 F1 G3 H1

6 A1 B2 C2 D2 E2 F1 G2 H2

7 A1 B3 C2 D2 E2 F1 G2 H2

8 A1 B1 C2 D3 E1 F1 G2 H1

9 A1 B3 C2 D2 E2 F1 G2 H1

10 A1 B2 C1 D2 E2 F1 G2 H1

11 A1 B2 C2 D2 E1 F2 G2 H1

12 A1 B2 C2 D2 E1 F1 G2 H2

13 A1 B2 C2 D2 E1 F2 G2 H3

14 A1 B1 C3 D3 E3 F1 G2 H1

5.3.3數據挖掘

設置min_sup=0.3,采用基于線性表存儲改進后的算法對表5.4中的數據進行關聯規則挖掘，從得到頻繁模式中除去顯而易見的規則，其余頻繁模式以及各頻繁模式的支持度如下：

{A2, E3, G3} : 0.31

{ A1, E2, H1}: 0.32

{ A1, B2, H1}: 0.37

{A1, F2 ,H1 }: 0.4

{ F1, E3, G3}: 0.36

設置最小置信度min_conf=0.6,由上述頻繁模式可得到強關聯規則及其置信度如下：

{A2, E3 n G3} : 0.87

{ E2, H1 n Al} : 0.84

{A1,B2 n H1} : 0.90

{Al, Hln F2}: 0.72

{ Fl,E3 n G3}: 0.94

這些強關聯規則的實際意義如下：

{溫度大于26C A瓦斯濃度0.1-0.15% n濕度85-100%}

{粉塵濃度小于5mg/ m3 A溫度23-26C n瓦斯濃度小于0.1%}

{通風量1200-1300 m3/min A瓦斯濃度小于0.1%n粉塵濃度小于5mg/ m3}

{瓦斯濃度小于0.1%A粉塵濃度小于5mg/ m3nCO濃度5-15 ppm }

{溫度大于26C ACO濃度小于5 ppm n濕度85-100%}

對以上規則進行分析，并制定相應的應急預案或管理措施來控制這些煤礦生產過程中的參數條件。

(1)第1條和第5條強關聯規則描述了溫度、濕度和CO濃度之間的關系。機械設備工作放熱、人體放熱、熱水涌出放熱等增加了工作面的溫度，采煤機降塵噴霧以及巷道積水等情況致使水源豐富，這就形成了工作面的高溫高濕環境。這種情況下會造成一定程度的熱量積聚，促進了煤炭緩慢氧化，生成一定量的co。

由此可知溫度和濕度之間的關聯程度較高，一般情況下高溫度伴隨著高濕度。當工作面溫度濕度過高時，工人會出現易疲勞、中暑、嘔吐等不良反應，對工人心理和生理造成極大傷害，導致工作效率下降和安全隱患增加，嚴重影響礦井的安全生產。因此，溫度和濕度要協同治理。

(2)第 3 條強關聯規則描述了通風量、瓦斯濃度和粉塵濃度之間的關系。當通風量達到 1200-1300 m3/min 時,瓦斯濃度和粉塵濃度都比較低,說明此等級的通風量除塵和降低瓦斯濃度的效果良好。若通風量大,可能會吹起落塵,粉塵濃度增加；若通風量小, 可能不能有效地除塵和降低瓦斯濃度。

當瓦斯濃度和粉塵濃度維持在低濃度等級,若通風量大于1300 m3/min ,則 CO 濃度可能會升高，所以應該重點監測CO濃度，及時做好應急準備。

(3)第2條和第4條強關聯規則描述了 CO濃度、瓦斯濃度和粉塵濃度之間的關系。瓦斯主要是由于割煤時煤層中游離狀態的氣體向外涌出,粉塵是來自煤的物理破碎, CO 主要是來自于采空區煤炭自燃和緩慢氧化產生。一般地,瓦斯和粉塵濃度主要受進尺影響,進尺量大,產量高,瓦斯和粉塵濃度隨之升高。 CO 濃度也和進尺有一定的關系, 進尺影響煤炭在空氣中的暴露時間,影響其氧化過程。所以瓦斯濃度和粉塵濃度處于低濃度等級時, CO 濃度可能處于中濃度等級。

治理煤礦生產過程中的瓦斯、 CO 和粉塵,需綜合考慮三者之間的關系,控制煤炭產量,以通風量和瓦斯濃度決定煤炭產量；減少采空區漏風量,抑制采空區煤炭的緩慢氧化，控制涌入采掘空間的CO濃度。

綜上所述,煤礦生產過程中安全參數數據之間存在緊密聯系性,這就表明可以通過運用基于線性表存儲的 FP_Growth 算法挖掘礦井每個安全隱患參數之間的關聯規則信息,由于選取的煤礦安全隱患參數比較有限,挖掘出的強關聯規則有限,在實際工作中可以增加參數數量,從而可以得到對煤礦安全生產和隱患預測起到指導作用的有用信息,礦井工作人員可以做好重點防范,從而最大化降低煤礦安全事故發生的概率。

5.4本章小結

本章說明了數據挖掘在煤礦安全隱患管理中的應用。首先說明安全隱患數據來源分為三種，其次指出FP_Growth算法是比較適用于煤礦安全隱患挖掘的算法，由于有內存問題的限制，給出一種基于線性表存儲的FP_Growth算法，并通過JVisualVM工具對比改進前后兩種算法的執行情況,說明其改進的有效性。最后,將改進后的算法用于煤礦安全隱患數據的挖掘中,得出的規則對煤礦企業后續的安全生產和管理起到有效的幫助作用。

結論

針對目前國家安全監管局提出的“大力推動煤礦信息化、智能化和自動化發展，提高煤礦本質安全水平”的要求，在“基于物聯網的區域生產安全監控管理平臺構建研究” 項目課題的基礎上，論文對煤礦安全監控信息管理系統進行設計實現，主要工作成果有：

(1)引入本質安全理念，分析其在煤炭行業的內涵，建立基于本質安全理念的煤礦安全監控管理體系。煤炭行業的“本質安全”其實強調的是一種安全管理思想，是指通過技術手段、機械設備、生產過程等條件的改進和完善從根本上來減少或消除危險，而不是采取附加的安全措施來控制危險，不斷趨向系統最安全。在分析煤炭行業中本質安全內涵的基礎上，構建基于本質安全理念的本質安全管理體系。

(2)通過結合煤炭企業安全生產管理的特點與具體實際，對系統從功能需求和非功能需求兩方面進行分析；探討管理體系下的煤礦安全監控信息管理系統的整體架構，提出監控系統的整體結構與功能規劃，實現煤礦安全監控信息管理系統，可危險信息源實時狀態信息查詢，報警信息查詢統計以及煤礦地圖查看等功能。

(3)針對目前煤礦安全監控系統的信息未深入挖掘利用的問題，提出將數據挖掘技術運用在本系統中，提出一種基于線性表存儲的FP_Growth算法，并通過JVisualVM工具對比改進前后兩種算法的執行情況，說明其改進的有效性，在解決內存制約算法效率方面有很好的改進作用；而且將此算法運用于企業安全隱患數據的關聯規則挖掘中，得到對煤礦生產管理起指導性的信息，為管理層提供有效的決策信息。

綜上所述，論文提出了本質安全管理體系下的煤礦安全監控信息管理系統的整體架構，并對系統進行設計實現，最后將基于線性表存儲的FP_Growth算法運用于安全隱患挖掘中，為煤礦企業的生產管理提供決策信息。但是因為時間關系，論文還有需要補充和完善之處：

(1)雖然事故一般發生會與“人-機-環-管”這四個因素密切相關，但這幾個因素是相互影響，互相耦合的，所以在下一步研究中希望考慮多因素耦合。

(2)現在煤礦安全生產管理中信息面越來越廣，涉及圖像、聲音及視頻等多種多媒體技術。所以在WEB以及數據庫層面上支持多媒體技術，實現多媒體信息的在系統上的整合實現，將是下一步研究的重點。

(3)論文中選取的煤礦安全隱患參數比較有限，挖掘出的強關聯規則有限，只采用了關聯規則挖掘方法，挖掘方法比較單一，在未來還可以采用聚類、分類等其它的數據挖掘方法，增加參數數量，期待獲得更加有用的信息。

未來煤礦安全管理信息系統在煤礦管理工作中的作用越來越重要。因此要根據煤礦安全管理工作的需求和內容對系統進行不斷的及時的改進,完善和擴展系統功能,提高系統性能,使系統在煤礦工作中發揮真正的作用。

致謝

光陰荏苒,校園生活即將結束。從踏入交大學門之時,不管是平常的生活還是忙碌的科研抑或坎坷的求職之路,都有著引導我、幫助我和激勵我的人。回首這三年來,我得到了許多老師和朋友的關懷和幫助,在此向他們表達我最誠摯的謝意。

感謝蘭州交通大學,感謝機電技術研究所,感謝機電所為我們提供良好的學習環境和學習平臺,可以向各位優秀的老師請教學習,使我能夠更快更好地學習知識。

特別感謝我的研究生指導老師齊金平副教授。感謝齊老師三年來對我的細心栽培和悉心教導,在選題、中期、進展和完成的每個節點,從論文的主題、內容到整體的結構的各個方面,都有齊老師的耐心指導,我的論文能夠順利完成與老師無私的付出息息相關。在找工作期間,齊老師也給我很大的幫助和指導,給我分享很多人生路上的經驗。總之,在這三年寶貴的時間里,齊老師不僅幫我開闊了視野,而且培養了我嚴謹的科研和工作態度,這些都為我以后的工作學習打下良好的基礎。

感謝機電所大家庭中的每一個成員,感謝所有老師默默的奉獻,感謝我的摯友賀亞楠、秦慧芳在生活中對我的關照,感謝姜有光、李興運等同窗好友在我完成論文過程中對我的幫助。

我還要感謝我的父母,是他們的無私付出和默默關懷,成就了我這么多年在外求學的成績,是我一直以來的堅強后盾,在此特別感謝我的父母！

最后要感謝各位評審論文的老師和答辯時的各位專家,論文難免有需要完善和欠妥之處,謹請各位專家老師提出寶貴的建議。

祝愿蘭州交通大學機電技術研究所蒸蒸日上,桃李滿天下！

參考文獻

[1]王龍康，李祥春，李安金等.我國煤礦安全生產現狀分析及改善措施.中國煤炭,2016,(09):96-100.

[2]王彥軍,張曉龍,馬曉建等.新形勢下煤炭在中國能源格局中的地位研究.開發性金融研究,2015,04:

72-81.

⑶楊睿•煤炭作為主要能源的地位短期難改變第一財經日報,2015-01-13A14.

[4]馬穎. 2015 年全國煤礦事故和死亡人數同比下降 32.3%和 36.8%.國家煤炭工業網

http://www.coalchina.org.cn,2016.

[5]Dongge Wen. Design of Coal Mine Gas Monitoring System Based on ZigBee. XiAn: 2011

International Conference on Future Computer Science and Education,2011.

[6]Jianmin Wang. Monitoring and Alarm System for Coal Mine Safety Based on Wireless Sensor.

China:Conference Anthology, 2013.

[7]Weiming Gao. The Study of Management Information System for Coal Mine Safety Quality

Standardization. Beijing: 1st International Symposium on Mine Safety Science and Engineering, 2011.

[8]王龍康. 煤礦安全隱患層次分析與預警方法研究.北京:中國礦業大學,2015.

[9]劉一山,羅勇,高繼賢等.煤礦安全智能監控系統的設計和實現.煤炭工程,2009, (08):7-19.

[10]付文俊.KJF2000煤礦安全監控系統與井下工業光纖環網接入技術的設計.煤礦安全,2011,(11): 46-47+50.

[11]李蒙,李廣宏,刁文廣. 無線傳感網絡煤礦井下人員定位系統設計.煤礦安全,2010, (11):77-79.

[12]孫學軍.基于Web Services的煤礦信息整合平臺設計.煤礦開采,2011,(04):29-32.

[13]許正權,宋學鋒,李敏莉. 本質安全化管理思想及實證研究框架. 中國安全科學學報,2006,(12): 79-85+171.

[14]吳宗之,任彥斌.本質安全理論的若干問題研究.中國安全科學學報,2006,(12): 481~484.

[15]Cozzania V, Tugnoli A, Salzano E. The development of an inherent safety approach to the prevention of domino accidents. Accident Analysis and Prevention,2009,41(6): 1216~1227.

[16]Leong C T, Shariff A M. Inherent safety index module(ISIM) to assess inherent safety level during preliminary design stage. Process Safety and Environmental Protection, 2008,86(2):113~119.

[17]Overton T, King G M. Inherently safer technology: An evolutionary approach. Process Safety Progress,2006,25(2):116~119.

[18]Gentile M, Rogers W J, Mannan M S. Development of a Fuzzy Logic-Based Inherent Safety Index.Process Safety and Environmental Protection,2003,81(6):444~456.

[19]Hichman S J, Geller E S. A safety self-management intervention for mining operations. Journal of Safety Research, 2003, 34: 299-308.

[20]Amyotte R P, Pegg J M, Khan I F. Application of inherent safety principles to dust explosion prevention and mitigation. Process Safety and Environmental Protection,2009,87(1): 35~39.

[21]Ghosh K A, Bhattacherjee A et al. Relationships of Working Conditions and Individual Characteristics to Occupational Injuries: A Case-Control Study in Coal Miners. Journal Occupy Health, 2004, 46: 470-480.

[22]陳紅.中國煤礦重大事故中的不安全行為研究.科學出版社.2006(9).

[23]劉海濱,李光榮,黃輝.煤礦本質安全特征及管理方法研究.中國安全科學學報,2007,17(4):68~71.

[24]杜林.基于本質安全的煤礦風險管理流程及應用.煤炭經濟研究,2008,(5):71~73

[25]杜春宇,陳東科,杜翠鳳等.煤礦本質安全管理綜合評價體系模型與應用.重慶大學學報,2008,31(2): 197~200.

[26]歐曉英,楊勝強,孫仁科等.煤礦本質安全化管理體系建立及其應用的探討.中國安全科學學報, 2007,(01):76-80+177.

[27]張揚,陳亮,張番棟.一種基于聚類的情報分析程序的設計與實現.情報雜志,2013,(08):27-30.

[28]陳棟，徐潔磐.Knight: 一個通用知識挖掘工具.計算機研究與發展,1998,(04):51-56.

[29]徐健鋒,張遠健等. 基于粒計算的不確定性時間序列建模及其聚類. 南京大學學報(自然科學),

2014,(01):86-94.

[30]梁鳳蘭. 優化決策樹改進挖掘算法仿真. 計算機仿真,2013,(11):264-267+275.

[31]郭曉波,趙書良,王長賓等. 一種新的面向普通用戶的多值屬性關聯規則可視化挖掘方法. 電子學報,2015,(02):344-352.

[32]孫衛琴.精通Struts:基于MVC的Java Web設計與開發.北京:電子工業岀版社,2007,03:10-11.