煤矿建设的安全监控系统初步实现了煤矿安全生产风险监测数据“联得通”、“传得上”的目标，为企业自身安全管理和政府远程监管监察奠定了基础。但在政府远程监管监察中发现部分煤矿存在人为篡改数据的一些不规范问题，针对上述问题缺乏“数据准”、“能分析”的有效解决方法，对远程监管监察造成一定的影响。精英数智作为一家深耕煤矿行业十余年的科技企业，通过对监测监控数据的分析研究，搭建智能分析模型，助力政府建立智能化监察模式。
依据《煤矿安全规程》、《AQ1029-2019煤矿安全监控系统及检测仪器使用管理规范》（以下简称AQ1029-2019）等规定，并结合煤矿井下安全生产的实际情况，通过大数据分析技术深度分析、挖掘传感器监测数据的曲线特征和变化规律，建立大数据智能分析模型识别数据异常问题。AQ1029-2019对安全监控系统中甲烷传感器的设置及安装位置进行了规定，为掌握煤矿井下甲烷传感器的安装位置是否按要求设置、监测数据是否真实，研究了三种数据分析模型，在客户数据的合法授权下，进行了模型训练，得到了较好的应用。
1.传感器接入位置
疑似异常模型
▼
AQ1029-2019中要求U型采煤工作面的回风隅角、工作面、回风巷这三个位置安装甲烷传感器，分别称为T0、T1、T2。为监测这三个传感器的安装位置是否正确，模型从瓦斯浓度的波动范围、变化趋势、变化频次三个角度来判断，如果有一个条件不符合，则认为传感器接入位置疑似异常，具体条件如下：
（1）一天内，T0、T1、T2的波动范围是否都剧烈；
（2）一天内，T0、T1与T2在同一时刻内同时上升/同时下降的数据占比是否超过预定值；
（3）一天内，T0、T1、T2的数值变化频次是否满足T0>T2，T1>T2。
利用该模型识别出某煤矿采煤工作面的T0、T1传感器在2021年1月31日存在接入位置疑似异常情况，三个传感器的瓦斯监测数据如图1所示。
图1 某煤矿采煤工作面传感器监测曲线-接入位置疑似异常案例
2.传感器数据变化
范围疑似异常
▼
分析某煤矿瓦斯爆炸事故前后一段时间内的瓦斯数据，事故发生前10天，事故发生工作面T0、T1、T2的监测值除去调校数据均未超过0.2，数据变化范围整体偏低；发生瓦斯爆炸事故时，T0、T1、T2的监测值升高至0.77；事故发生后10天，T0、T1、T2数据变化范围比爆炸前明显偏高。数据如图2所示。由此说明，事故发生前10天传感器整体偏低的数据特征是不符合实际情况的。
图2 某煤矿采煤工作面传感器监测数据
基于上述情况，该模型从数据的变化范围来判断某个传感器的监测数据是否整体偏低、监测数据是否正常。如果不满足以下任一条件，则认为数据变化范围疑似异常，具体判断方法为：
（1）一天内，传感器监测数据的变化频次（一天内数据变了多少次）是否正常；
（2）一天内，去掉调校数据后最大值与最小值的差值是否超过预定值（该值根据一天内的平均值来确定）
（3）一天内，统计每个监测值往后推10分钟内的数据变化范围超过预定值（该值根据一天内的平均值来确定）的占比是否较低。
（4）一天内，T0、T1、T2的大小关系是否满足T0 > T2、T1 > T2。
利用该模型识别出某高瓦斯矿井采煤工作面的T0、T1传感器在2021年2月19日存在数据变化范围疑似异常，数据如图3、4所示。
图3 采煤工作面T0传感器监测曲线-传感器数据变化范围疑似异常案例（1）
图4 采煤工作面T1传感器监测曲线-传感器数据变化范围疑似异常案例（2）
3.传感器数据疑似
非自然震荡
▼
分析某煤矿采煤工作面T0、T1传感器在2020年9月1日至2020年9月8日的监测数据发现，T0、T1的监测值在每次达到0.75后会突然降下来，并在之后的一段时间内数据整体表现较平稳、但变化频率很快的非自然震荡波动情况。数据如图5、6所示。
图5 某煤矿采煤工作面T0传感器监测数据
图6 某煤矿采煤工作面T1传感器监测数据
基于上述异常现象，该模型按如下步骤识别传感器的监测数据是否存在上述非自然震荡异常情况：
（1）一天内，是否存在瓦斯浓度在短时间内突增到较高值。（较高值指一天内瓦斯浓度平均值的2倍或0.75%CH4）
（2）突增后一段时间内的瓦斯浓度是否存在窄幅震荡情况。（窄幅震荡指整体比较平稳、增量范围在0.02之内、正增量与负增量的比例基本相同、连续上升或下降的数据量不多）
利用该模型发现某煤矿采煤工作面T1传感器在2020年12月17日的监测数据疑似非自然震荡，数据如图7所示。
图7 某煤矿采煤工作面T1传感器监测曲线-传感器数据疑似非自然震荡案例
结论
▼
本文提出的传感器接入位置疑似异常模型、传感器数据变化范围疑似异常模型、传感器数据疑似非自然震荡模型，是利用大数据分析技术挖掘数据曲线特征在煤矿远程监管监察中搭建智能分析模型的创新应用，为政府远程监管监察提供“数据准”、“能分析”的数据分析模型结果，促进智能化监察模式的建立。
