摘要

以极薄煤层开采诱发灾害监测预警为研究对象，借助于5G、互联网+、云计算、人工智能、大数据等信息学技术，设计了包含数据层、服务层、应用层的极薄煤层开采诱发灾害监测预警云平台架构，研发了灾害预测预警核心功能群，包括综采工作面建模与三维可视化、监测数据获取与可视化查询、地质灾害算法库、多元数据融合的综采工作面灾害动态预测预警、综采工作面应力场动态反演、云边协同下监测数据动态挖掘、综采工作面警情多渠道发布等7个子系统，实现了多系统协同下，灾害的监测预警与云端可视化展示，为矿山的生产安全提供保障，助力传统灾害预警方法的信息化转型。

煤炭薄煤层、极薄煤层的开采，因开采空间狭小、地质条件复杂、开采条件苛刻等特点，监测预警面临诸多挑战，存在更多风险和隐患要素。致使薄煤层、极薄煤层开采成本高、安全风险高及效率低。以极薄煤层开采诱发灾害监测预警为研究对象，采用现代化监测预警技术，开展云平台架构与功能设计，设计监测数据获取与可视化查询、云边协同下监测数据动态挖掘等模块，搭建了极薄煤层开采诱发灾害监测预警云平台，监控开采过程中岩体的力学响应信息，实现灾害的超前预测预警，对于提高生产效率、降低管理成本等方面具有显著意义。

云平台架构设计

整体架构

力学响应数据信息量大、数据采集频率高、数据挖掘过程繁杂、人力-物力投入大、数据挖掘结果解译困难是传统地压灾害监测预警工作存在的问题，本研究借助云计算等技术，以数据存储、业务处理与用户交互3 部分分离的原则，设计了包含数据层、服务层和应用层的云平台整体架构，以解决上述问题，满足多源力学响应数据实时采集与存储、多源数据自动化挖掘、数据挖掘结果与风险状态可视化展示的目标，整体架构如图1 所示。

图1　极薄煤层开采诱发灾害监测预警云平台整体架构

（1） 数据层

主要包含矿山稳定性运行的软硬件支撑系统及多源数据采集系统。其中，软硬件支撑系统是云平台稳定运行的保障，也是数据采集和数据持久化保存的重要保障。多源数据采集系统用于工作面实时感知环境，是地压灾害监测预警及警情定向发布的重要数据支撑。实时监测数据传输基于物联网和无线通信技术，将数据存储至MySQL 关系型数据库中。

（2） 服务层

主要由综采工作面建模与三维可视化子系统、监测数据获取与可视化查询子系统、地质灾害算法库子系统、多元数据融合的综采工作面灾害动态预测预警子系统、综采工作面应力场动态反演子系统、云边协同下监测数据动态挖掘子系统及综采工作面警情多渠道发布子系统组成，是地压灾害预警的核心业务模块。

（3） 应用层

主要借助于unity3d，SuperMap 以及Baidu 开源组件Echarts 等，对数据分析层中得到的结果在移动端、PC端等展示设备进行直观展示，以便于用户清晰了解矿山生产的安全情况，同时借助于短信、邮件等外部服务，实现警情自动化发布。

硬件组成

极薄煤层开采诱发灾害监测预警云平台的研发过程包含开发环境和生产环境，如图2 所示。

图2　开发环境、生产环境主要硬件组成

开发环境主要面向云平台开发人员及算法开发人员，为开发人员日常办公提供便捷；生产环境为矿山工作人员的操作环境，为数据存储及云平台访问提供保障。采用开发和生产2 套环境的主要目的是分离云平台研发和部署工作，提高开发效率，使得产品快速上线。

云平台开发环境采用云端虚拟化方式，可随时提高服务器配置，使服务器更加灵活；虚拟化服务共享便利，可提高资源利用率，节省投入成本。生产环境采用内网本地化部署方式，硬件设备包括数据存储服务器、高性能计算GPU服务器、云平台部署与访问服务器等。开发环境中主要由云服务ESC、高性能AI服务器及云数据库3 大核心部分组成。

力学响应信息监测硬件架构，选取锚杆应力计开展顶板应力状态监测、选用离层计开展顶板岩层移动监测，采用微震传感器完成岩体微破裂监测，采用消息队列方式完成多源力学响应数据的实时传输，采集地质环境参数，为灾害预警、风险评估提供数据支撑。

软件组成

云平台开发与部署包含后台微服务、前台微服务以及服务控制等模块组成，如图3 所示。

图3　云平台软件构成

后台微服务

后台微服务是云平台大脑，是处理用户发出指令的核心环节。采用Java8 中全新开源轻量级框架Spring Boot 作为云平台后端系统， 采用MYSQL8.0.17 作为数据库管理系统，采用JPA完成后台与数据库的连接，并采用Redis 处理缓存问题。在此基础上，根据MVC原理，将后台程序分成控制层、业务层和数据层3层架构，以便于程序开发。

极薄煤层开采诱发灾害监测预警云平台的底层语言为Java，数据挖掘研究设计了以Python Flask 为纽带的多语言算法集成微服务架构，借助于PythonFlask 搭建算法微服务架构，以matlab.engine 模块与MATLAB 引擎对接，采用MATLAB-Python 的混合编程方式，将MATLAB 算法引入至Python 程序之中；搭建与Java 后台连接的HTTP 协议，实现Java后台与Python 算法服务的双向交互，利用Java 代码调用其他语言编写的数据分析挖掘软件算法，实现算法的开发与云端集成的分离，减少部分开发工作量，并充分发挥各大数据分析软件的优点。

数值模拟是灾害预测预警的重要手段，数值模拟程序云端集成十分必要。经调研，目前大部分数值模拟软件均为C/S 架构，程序调用需安装专属客户端，无法实现服务的云端化部署与资源共享，不满足云服务要求。为此， 采用Comsol、Flac、Python 等混合编程手段，借助于Socket、HTTP等多种数据传输协议，构建了数值模拟微服务子系统，实现了数值模拟结果的云端化集成。

前台微服务

前台微服务是云平台与外界交互的主要模块，直观展示后台微服务处理所得繁杂、抽象的大数据。主要由PC端浏览器和手机端APP服务组成。其中，云平台PC 端前端利用当前最流行VUE 框架开发，采用vue-cli 脚手架快速生成项目目录，并引用了Element UI、百度Echarts 等组件库，便捷、高效搭建PC 端前台可视化界面。手机端App 采用uni-app框架开发。实现1 套代码多端维护的功能。三维模型可视化借助Unity 服务，模型通过Iframe、SDK等方式，嵌入至PC 端浏览器和手机端APP 服务中，实现了多服务的统一管理，强化云平台统一的可视化效果。

服务控制模块

服务控制模块是项目部署与控制的基础，包含基于Nginx 的前端项目部署与代理配置模块、基于Tomcat 的后端及unity3d 服务部署与控制模块以及基于docker 的Python 微服务部署与控制功能。在三者的相互作用下，云平台方可在云端进行部署并为矿山人员提供访问接口。

云平台子系统组成

（1） 综采工作面建模与三维可视化子系统，通过矿山物探及生产等基础数据，进行综采工作面三维精细化建模，基于煤岩识别相关算法，完成三维模型动态更新，基于WEB GL引擎，完成可视化场景搭建，是亿级自由度数值模拟工作面应力场动态反演子系统提供高精度数值模型，为其余子系统数据处理结果可视化展示提供云端化容器。

（2） 监测数据获取与可视化查询子系统，用于多源异构监测数据的实时采集及动态清洗，保障综采工作面感知数据的连续型与完整性，为云边协同监测数据动态挖掘子系统及多元数据融合综采工作面灾害动态预测预警子系统，提供有效数据源。

（3） 云边协同下监测数据动态挖掘子系统是数据动态挖掘的核心系统，实现多源异构监测数据的动态挖掘，为数值模型修正及灾害综合预测预警，提供重要指标。

（4） 地质灾害算法库子系统通过对数据挖掘算法的云端集成方式，实现历史数据快速处理，为多元数据融合综采工作面灾害动态预测预警子系统，提供静态评价指标。

（5） 综采工作面应力场动态反演子系统，基于煤岩识别的综采工作面建模系统，生成三维数值模型，同时基于云边协同下监测数据动态挖掘子系统得到的数值模型标定关键参数，完成监测数据驱动的动态模拟，将模拟结果传递至多元数据融合的综采工作面灾害动态预测预警子系统，为灾害动态预测预警提供关键指标。

（6） 多元数据融合的综采工作面灾害动态预测预警子系统，采用地质灾害案例库系统完成预警指标体系构建，采用专家决策系统指标权重确定，结合地质灾害算法库子系统计算得出的静态评价参数、监测数据获取与可视化查询子系统的实时数据、云边协同下监测数据动态挖掘子系统的动态评价指标，以及亿级自由度数值模拟工作面应力场动态反演子系统反演的应力场分布等数据，实现监测与模拟相结合的灾害动态预测预警，将异常数据传递至综采工作面警情多渠道发布子系统，实现异常状态自动报警。

（7） 综采工作面警情多渠道发布系统，动态接收多元数据融合的综采工作面灾害动态预测预警子系统传递的异常数据，采用短信和邮件方式，实现警情及时发布，为工作面安全生产提供坚实的保障。

云平台子系统功能设计

综采工作面建模与三维可视化子系统

综采工作面建模与三维可视化子系统主要功能包括4 个方面。

（1） 结合三维地震、钻孔雷达等物探数据，实现多元化物探数据融合的极薄煤层模型构建。

（2） 在已有多元化物探数据基础上，结合岩性智能识别算法，实现综采工作面岩体力学参数空间变异性表征。

（3） 借助3D GIS 软件，实现矿山真三维虚拟现实场景云端展现，实现矿山场景三维漫游、多元监测数据展示、数值模拟结果可视化展示.

（4） 采用PC端浏览器及手机端APP，便捷访问虚拟现实场景，具体集成路径如图4 所示。

图4　综采工作面建模与三维可视化子系统搭建思路与效果

监测数据获取与可视化查询子系统

此子系统将地压监测设备接入云平台中，实现数据云端存储、历史数据自主上传与下载、数据修改/删除等基础数据维护功能。因现场存在监测设备数量多、种类杂、检修工作量大、故障排除实时性差等问题，系统具备设备故障监测功能。系统操作页面可实时查看各设备运行状况。若设备数据采集异常，系统提供故障设备的精准定位功能，为专业技术人员开展故障传感器的定点检修提供便利。

基于上述设计思路，采用消息队列的方式，完成多源力学响应信息的实时采集与传输， 采用Inotify 文件系统事件监控架构，满足感知数据监听，并结合《煤矿冲击地压感知数据接入细则（试行）》，完成数据实时解算与持久化保存，采用PC端浏览器和手机端APP 完成感知数据的可视化展示，具体流程如图5所示。

图5　监测数据获取与可视化查询子系统设计思路

地质灾害算法库子系统

理论模型、物理模型、数据驱动模型等数据分析算法，是实现工作面稳定性评估及地质灾害预测预警的重要保障。系统利用云端资源，实现业务分析人员和IT 支撑人员“并行”工作，完成基于无编程、探索式、交互式算法的可视化调用，降低数据处理门槛，提高历史数据处理效率。

借助MATLAB /Python-Java 的混合编程技术，实现地压监测数据挖掘算法的云端集成，建立了地质灾害算法库子系统， 实现MATLAB、Python、Java 等算法自由扩充及历史数据可视化处理的技术目标，具体设计思路如图6 所示。

图6　地质灾害算法库子系统搭建思路

综采工作面应力场动态反演子系统

数值模拟技术可反演岩体的应力状态，是地质灾害预测预警的重要手段，系统将数值模拟结果动态嵌入云端，实现模拟结果高效共享，为地质灾害的综合预警提供保障。

针对于COMSOL数值模拟，采用java 混合编程技术，将数值模拟工作封装在Socket 服务中，并通过Python 数值模拟管控服务，完成COMSOL运行控制与结果的智能化导出。针对于Flac 数值模拟，采用Fish 与Python 的混合编程技术，将模拟进程封装在Socket 服务中，并采用Python 数值模拟管控服务，完成Flac3d 数值模拟结果的智能化导出。借助于HTTP 协议，完成数值模拟结果云端自动上传，实现数值模拟边缘计算，模拟结果云端自动上传共享。数值模拟结果云端化集成方案如图7 所示。

图7　数值模拟结果云端集成方案

云边协同下监测数据动态挖掘子系统

开采过程中，采集到矿山多元环境感知的海量数据，构成多源异构大数据集，蕴含丰富的岩石破裂过程与失稳前兆信息。为充分发挥多源异构大数据的价值，在目前已有的矿山工程地质灾害风险监测预警云平台基础上，构建云边协同下监测数据动态挖掘子系统，通过大数据的充分挖掘，分析矿山潜在地质灾害的预测预警。监测数据动态挖掘子系统路线如图8所示。

图8　监测数据动态挖掘子系统路线

采用云边协同方式，实现MATLAB、Python 等数据挖掘算法的边缘部署及算法参数云端配置，借助于Python 的Flask 功能，通过HTTP协议实现云平台与配置信息，本地存储与动态更新服务的相互关联，用户在云端完成算法定义及算法数据源配置后，发送HTTP 请求，告知服务算法配置信息更新，并进行本地数据备份，实现云端配置本地持久化保存及自动更新，避免算法实时运行及算法与数据库的反复交互，降低运行时延，实现监测数据的动态挖掘。

多元数据融合的综采工作面灾害动态预测预警子系统

岩体稳定性评价需经预警指标体系构建、预警指标权重确定、预警关键特征提取及岩体稳定性综合评价4 部分，系统融合云计算与传统岩体稳定性评价方法，实现各部分云端智能化管控。

基于案例挖掘的预警指标确定算法、专家决策预警指标阈值算法，实现预警指标体系构建、预警阈值确定、指标权重确定等过程云端化集成，并借助于现场实时监测数据和数值模拟结果，提出监测与模拟相结合的地质灾害综合预警方法，初步形成了多元数据融合的综采工作面地压灾害动态预测预警子系统，具体集成路线如图9所示。

图9　云平台集成技术路线与界面展示

综采工作面警情多渠道发布子系统

本系统用于智能发布矿山多元警情信息，发布渠道为短信、邮件等形式，以便于用户第一时间接收并完成处理。

工作面监测异常信息短信、邮件及云平台报警接口设计，实现预警信息的低时延定向发送，推送时延小于5 s，具体集成思路及运行结果如图10所示。

图10　综采工作面警情多渠道发布子系统思路与效果

云平台现场应用效果

云平台已应用于双阳煤矿四层左一片矿压的监测预警，达到了预期目标，具体为以下5 方面。

（1） 采动力学响应数据实时采集与可视化

借助监测数据获取与可视化查询子系统，实现了监测数据实时上云，用户可采用PC端浏览器或手机端APP随时随地完成任意区域、任意时间、任意类型监测数据的查询，系统以图表形式完成数据可视化展示，为用户直观了解采场状态提供依据，具体如图11所示。

图11　监测数据获取与可视化查询子系统

（2） 矿山图纸保存与三维精细化建模

基于综采工作面建模与三维可视化子系统，实现了矿山基础地形数据、生活区地形数据、矿山井巷数据、矿山地质数据和矿山测量数据的集成与管理；完成了煤层模型、巷道模型、采区模型、地物标注等三维模型的云端表达，实现了矿山场景云端集成，为用户开展图纸资料共享及查看矿山模型现状，提供一种新手段，具体如图12所示。

图12　综采工作面建模与三维可视化子系统

（3） 矿山顶板垮落数值模拟分析

基于综采工作面应力场动态反演子系统，实现了顶板冒落过程模拟及云端可视化展示，直观预测展示顶板垮落模式，为岩石力学专家评判地压风险提供重要支撑，也为应力、变形等灾害预警阈值的动态设定提供依据，具体如图13所示。

图13　综采工作面应力场动态反演子系统

（4） 历史数据综合处理

基于地质灾害算法库子系统与云边协同下监测数据动态挖掘子系统，实现了历史数据手动、自动处理，降低了数据处理的难度，提高了数据处理的效率，具体如图14 所示。

（a） 云边协同下监测数据动态挖掘子系统（数据自动处理） （b） 地质灾害算法库子系统（数据自动处理）

图14　历史数据处理系统

（5） 灾害综合预警

基于多元数据融合的综采工作面灾害动态预测预警子系统，实现了地压灾害数据的可视化展示及潜在地压风险的动态报警如图15 所示；用户可通过手机APP 或PC 端浏览器完成当前地压风险状态查询，并可直接导出报表，如图16 所示，可清晰查看矿山风险状态，为生产安全开展提供重要依据。

图15　多元数据融合的综采工作面灾害动态预测预警子系统

图16　矿压监测报表

总 结

（1） 面向矿压监测与预警工作面临的数据量大、采集频率快、数据分析门槛高、结构抽象等问题，设计了包含数据层、服务层、应用层的云平台架构，结合冲击分析评价的流程，设计了云平台的功能，为冲击风险预测预警创造条件。

（2） 在云平台7 个子系统相互通信作用下，实现了监测、模拟等数据驱动下冲击风险的动态评价，突破了以往灾害预测平台存在的“重采集、轻分析，重监测、轻预警”的问题，使云平台具备了岩石力学内涵，更具有科学性，通过现场应用测试，证明了平台的先进性，为其余煤矿冲击风险的监测预警提供参考。

（3） 目前平台的三维建模部分，依旧依赖于地质数据的手动处理，尚未能完全实现建模过程的自动化，导致建模滞后于生产，对于数值模拟工作的进行及灾害的预警是不利的，下一步需要重点研究地质大数据的统一化管理及动态建模技术。

基金项目：黑龙江揭榜挂帅资助项目（2021ZXJ02A03-02，2021ZXJ02A04-03）；中央高校基本科研业务费资助项目（N2301020）

策划：李金松 编辑：刘雅清