《工程科学学报》：基于文本挖掘的矿山安全隐患大数据分析与可视化

团购合买资源类别：文库，文档格式：PDF，文档页数：12，文件大小：1.55MB

工程科学学报 Chinese Journal of Engineering 基于文本挖据的矿山安全隐患大数据分析与可视化郭对明李国清胡乃联侯杰 Big data analysis and visualization of potential hazardous risks of the mine based on text mining GUO Dui-ming.LI Guo-qing.HU Nai-lian,HOU Jie 引用本文：郭对明，李国清，胡乃联，侯杰.基于文本挖掘的矿山安全隐患大数据分析与可视化工程科学学报，2022,44(3)：328-338. doi10.13374j.issn2095-9389.2020.10.23.004 GUO Dui-ming.LI Guo-qing.HU Nai-lian,HOU Jie.Big data analysis and visualization of potential hazardous risks of the mine based on text mining[J].Chinese Journal of Engineering,2022,44(3):328-338.doi:10.13374/j.issn2095-9389.2020.10.23.004 在线阅读View online::htps:/doi.org/10.13374.issn2095-9389.2020.10.23.004 您可能感兴趣的其他文章 Articles you may be interested in 油气资源开发的大数据智能平台及应用分析 Big data intelligent platform and application analysis for oil and gas resource development 工程科学学报.2021,432：179 https:1doi.org10.13374.issn2095-9389.2020.07.21.001 基于CART决策树的冲压成形仿真数据挖掘 Data mining of deep drawing simulation results based on CART decision tree theory 工程科学学报.2018.40(11)：1373htps:/doi.org10.13374.issn2095-9389.2018.11.011 函数型数据分析与优化极限学习机结合的弹药传输机械臂参数辨识 Parameter identification of a shell transfer arm using FDA and optimized ELM 工程科学学报.2017,394：611htps:1doi.0g10.13374.issn2095-9389.2017.04.017 基于空间近邻关系的非平衡数据重采样算法 Resampling algorithm for imbalanced data based on their neighbor relationship 工程科学学报.2021,43(6：862 https:ldoi.org10.13374j.issn2095-9389.2020.04.05.002 基于近邻的不均衡数据聚类算法 Clustering algorithm for imbalanced data based on nearest neighbor 工程科学学报.2020,42(9%：1209 https:/doi.org10.13374.issn2095-9389.2019.10.09.003 基于索引存根表的云存储数据完整性审计 Cloud storage data integrity audit based on an indexstub table 工程科学学报.2020,42(4：490 https:/ldoi.org/10.13374.issn2095-9389.2019.09.15.008

基于文本挖掘的矿山安全隐患大数据分析与可视化郭对明李国清胡乃联侯杰 Big data analysis and visualization of potential hazardous risks of the mine based on text mining GUO Dui-ming, LI Guo-qing, HU Nai-lian, HOU Jie 引用本文: 郭对明, 李国清, 胡乃联, 侯杰. 基于文本挖掘的矿山安全隐患大数据分析与可视化[J]. 工程科学学报, 2022, 44(3): 328-338. doi: 10.13374/j.issn2095-9389.2020.10.23.004 GUO Dui-ming, LI Guo-qing, HU Nai-lian, HOU Jie. Big data analysis and visualization of potential hazardous risks of the mine based on text mining[J]. Chinese Journal of Engineering, 2022, 44(3): 328-338. doi: 10.13374/j.issn2095-9389.2020.10.23.004 在线阅读 View online: https://doi.org/10.13374/j.issn2095-9389.2020.10.23.004 您可能感兴趣的其他文章 Articles you may be interested in 油气资源开发的大数据智能平台及应用分析 Big data intelligent platform and application analysis for oil and gas resource development 工程科学学报. 2021, 43(2): 179 https://doi.org/10.13374/j.issn2095-9389.2020.07.21.001 基于CART决策树的冲压成形仿真数据挖掘 Data mining of deep drawing simulation results based on CART decision tree theory 工程科学学报. 2018, 40(11): 1373 https://doi.org/10.13374/j.issn2095-9389.2018.11.011 函数型数据分析与优化极限学习机结合的弹药传输机械臂参数辨识 Parameter identification of a shell transfer arm using FDA and optimized ELM 工程科学学报. 2017, 39(4): 611 https://doi.org/10.13374/j.issn2095-9389.2017.04.017 基于空间近邻关系的非平衡数据重采样算法 Resampling algorithm for imbalanced data based on their neighbor relationship 工程科学学报. 2021, 43(6): 862 https://doi.org/10.13374/j.issn2095-9389.2020.04.05.002 基于近邻的不均衡数据聚类算法 Clustering algorithm for imbalanced data based on nearest neighbor 工程科学学报. 2020, 42(9): 1209 https://doi.org/10.13374/j.issn2095-9389.2019.10.09.003 基于索引存根表的云存储数据完整性审计 Cloud storage data integrity audit based on an indexstub table 工程科学学报. 2020, 42(4): 490 https://doi.org/10.13374/j.issn2095-9389.2019.09.15.008

工程科学学报.第44卷.第3期：328-338.2022年3月 Chinese Journal of Engineering,Vol.44,No.3:328-338,March 2022 https://doi.org/10.13374/j.issn2095-9389.2020.10.23.004;http://cje.ustb.edu.cn 基于文本挖掘的矿山安全隐患大数据分析与可视化郭对明，2)，李国清1,2)区，胡乃联1,2)，侯杰1,2) 1)北京科技大学土木与资源工程学院.北京1000832)金属矿山高效开采与安全教育部重点实验室，北京100083 ☒通信作者，E-mail:qqlee@ustb.edu.cn 摘要基于大数据分析技术，构建了矿山安全隐患多维度分析模型，分析了隐患在时间和空间两个维度上的分布规律；利用主题挖掘模型将众多隐患信息归类，得到了13个隐患主题；利用关联规则挖掘模型探究了不同隐患之间的内在联系，并利用R编程语言对上述结果进行可视化展示.通过对安全隐患的分析研究不仅充分利用了矿山隐患数据，避免了数据资源的浪费，同时也对矿山井下事故预防有一定的指导价值关键词矿山安全：文本挖掘：隐患数据：大数据分析：可视化分类号TD77.1 Big data analysis and visualization of potential hazardous risks of the mine based on text mining GUO Dui-ming,LI Guo-qing HU Nai-lian2),HOU Jie2 1)School of Civil and Resource Engineering,University of Science and Technology Beijing,Beijing 100083,China 2)Key Laboratory of High-Efficient Mining and Safety of Metal Mines,Ministry of Education,Beijing 100083,China Corresponding author,E-mail:qqlee@ustb.edu.cn ABSTRACT Compared with other production industries,metal mine is recognized as a high accident rate and the highest casualty rate due to the bad working environment.Therefore,safety production is the key concern of mining enterprises.With the attention of enterprises to safety problems and the increasing improvement of mine safety management system,many mines have established secure big data platform to effectively manage production and ensure the safety of underground operation,receiving the safety hazard information from daily safety inspection into the platform.However,due to the data of security risks are unstructured short texts with the operation of the enterprise,including the data recorded in the platform presents the characteristics of complex data content,large data scale,and non-standard data records.Moreover,due to the lack of an effective text analysis model,a small part of the security risk data is only used for simple analysis such as report analysis and data statistics,whereas more data is stored in a secure big data platform.Thus, the data did not play a guiding role in production,resulting in a waste of these valuable data resources.In order to explore the internal relationship between hidden danger data and the rule of hidden danger occurrence,based on big data analysis technology,this paper constructed a multi-dimensional analysis model of mine safety hidden danger.We analyzed the distribution law of hidden danger in two dimensions of time and space,used the topic mining model to classify hidden danger information,and obtained 13 hidden danger topics, using association rules to mine hidden danger.The model explores the internal relationship between different hidden dangers and uses an R programming language to visualize the above results.The results made full use of the mine hidden danger data and avoided the waste of data resources through the analysis and research of the hidden danger with a certain guiding value for preventing mine accidents. KEY WORDS mine safety;text mining;data of hidden danger;data analysis;data visualization 收稿日期：2020-10-23 基金项目：国家自然科学基金资助项目(52074022)：中央高校基本科研业务费专项资金资助项目(FRF-TP.20-001A1)

基于文本挖掘的矿山安全隐患大数据分析与可视化郭对明1,2)，李国清1,2) 苣，胡乃联1,2)，侯杰1,2) 1) 北京科技大学土木与资源工程学院，北京 100083 2) 金属矿山高效开采与安全教育部重点实验室，北京 100083 苣通信作者， E-mail: qqlee@ustb.edu.cn 摘要基于大数据分析技术，构建了矿山安全隐患多维度分析模型，分析了隐患在时间和空间两个维度上的分布规律；利用主题挖掘模型将众多隐患信息归类，得到了 13 个隐患主题；利用关联规则挖掘模型探究了不同隐患之间的内在联系，并利用 R 编程语言对上述结果进行可视化展示. 通过对安全隐患的分析研究不仅充分利用了矿山隐患数据，避免了数据资源的浪费，同时也对矿山井下事故预防有一定的指导价值. 关键词矿山安全；文本挖掘；隐患数据；大数据分析；可视化分类号 TD77.1 Big data analysis and visualization of potential hazardous risks of the mine based on text mining GUO Dui-ming1,2) ，LI Guo-qing1,2) 苣，HU Nai-lian1,2) ，HOU Jie1,2) 1) School of Civil and Resource Engineering, University of Science and Technology Beijing, Beijing 100083, China 2) Key Laboratory of High-Efficient Mining and Safety of Metal Mines, Ministry of Education, Beijing 100083, China 苣 Corresponding author, E-mail: qqlee@ustb.edu.cn ABSTRACT Compared with other production industries, metal mine is recognized as a high accident rate and the highest casualty rate due to the bad working environment. Therefore, safety production is the key concern of mining enterprises. With the attention of enterprises to safety problems and the increasing improvement of mine safety management system, many mines have established secure big data platform to effectively manage production and ensure the safety of underground operation, receiving the safety hazard information from daily safety inspection into the platform. However, due to the data of security risks are unstructured short texts with the operation of the enterprise, including the data recorded in the platform presents the characteristics of complex data content, large data scale, and non-standard data records. Moreover, due to the lack of an effective text analysis model, a small part of the security risk data is only used for simple analysis such as report analysis and data statistics, whereas more data is stored in a secure big data platform. Thus, the data did not play a guiding role in production, resulting in a waste of these valuable data resources. In order to explore the internal relationship between hidden danger data and the rule of hidden danger occurrence, based on big data analysis technology, this paper constructed a multi-dimensional analysis model of mine safety hidden danger. We analyzed the distribution law of hidden danger in two dimensions of time and space, used the topic mining model to classify hidden danger information, and obtained 13 hidden danger topics, using association rules to mine hidden danger. The model explores the internal relationship between different hidden dangers and uses an R programming language to visualize the above results. The results made full use of the mine hidden danger data and avoided the waste of data resources through the analysis and research of the hidden danger with a certain guiding value for preventing mine accidents. KEY WORDS mine safety；text mining；data of hidden danger；data analysis；data visualization 收稿日期: 2020−10−23 基金项目: 国家自然科学基金资助项目（52074022）；中央高校基本科研业务费专项资金资助项目（FRF-TP-20-001A1）工程科学学报，第 44 卷，第 3 期：328−338，2022 年 3 月 Chinese Journal of Engineering, Vol. 44, No. 3: 328−338, March 2022 https://doi.org/10.13374/j.issn2095-9389.2020.10.23.004; http://cje.ustb.edu.cn

郭对明等：基于文本挖掘的矿山安全隐患大数据分析与可视化 329 金属矿山由于作业条件复杂、劳动环境恶劣，模大、不规范等特征.据数据显示，矿山一年的数被公认为是事故高发且伤亡率最高的行业之一山据量可达上百GBI90.虽然大数据平台为安全隐因此，安全生产成为矿山企业永恒的主题，安全隐患数据提供了存储平台，但是由于缺少安全隐患患管理也受到了国家和企业的重视-]随着矿山分析模型，在数据的分析利用方面存在短板P,大安全管理体系日益完善，针对事故发生机理在人量安全数据只是用于完成简单的问题处理、报表类可控范围内对安全隐患进行及时的辨识、处理分析和数据统计，导致这些有价值的信息生命周与监控是矿山安全生产管理的重要手段.对不同期很短暂，在完成隐患排查后即以分散化、无序化的隐患数据有不同的辨识分析方法，Martin和的形式存储，成为历史数据，未能发挥这些数据对 Morris提出建立被控过程模型，通过数学模型将研安全生产的指导作用，从而导致上述海量数据的究对象的可测信息和通过模型表达的先验信息进浪费.另外，矿山安全隐患数据的记录内容较短，行比较，对残差结果进行分析处理，完成了对安全每条数据的有效信息少，具有明显的短文本特征，隐患的确定，通过利用故障关系的先验模型建立所以选择适用于短文本挖掘的分析方法构建数据知识模型，利用被监控对象的定性描述建立定性挖掘模型，从多角度探究隐患数据的内在联系，借模型，从而完成了对安全隐患的定位与识别问助可视化手段对挖掘结果进行可视化展示，指导 Dunia等提出在描述对象的精确性及建模的可矿山安全隐患排查治理是当前矿山企业隐患治理行性上，介于以上两种方法之间，通过相关的频谱中亟待解决的问题分析、主元分析、小波变换等工具，直接分析可测因此，本文在数据预处理的基础上对隐患信信号，提取诸如方差、幅值、频率等特征值，从而息进行多维度辨识，得到隐患在时间和空间两个检测安全隐患的存在，李季等)提出了完整、科学维度上的分布规律：针对矿山隐患信息的短文本的危险源信息和隐患辨识数据库，然后结合矿山特征，采用双词主题模型(Biterm topic model,.BTM) 监测系统和人工监测提供的实时数据，完成了安对安全隐患进行主题挖掘，得到了13个隐患主全隐患的捕捉与辨别，秦文静通过事故树原理，题，有效避免了潜在狄利克雷分配模型(Latent 建立煤矿井下瓦斯爆炸危险源事故树，对煤矿瓦 Dirichlet allocation,.LDA)算法不适用于短文本挖斯爆炸危险源进行辨识.张宝隆等9提出了基于掘的不足；最后通过Apriori算法对隐患数据进行本体的隐患辨识排查系统构建的方法，通过对煤了关联规则挖掘，得到了多条有效的关联规则，并矿隐患知识分析，建立了隐患本体层次结构，定义对其进行了可视化展示类的对象和属性，构建了煤矿事故隐患辨识排查 1 基于大数据的安全隐患分析模型系统模型，从而解决了煤矿事故排查效率低，排查不到位等问题构建安全隐患分析模型，首先对隐患数据进为了有效分析安全隐患信息，有学者尝试了行预处理，然后基于大数据分析方对隐患信息进将大数据分析技术应用到矿山安全管理中.马小行多维度分析、主题挖掘、关联规则挖掘等，具体平和代伟o通过总结大数据技术在煤炭工业中的流程如图1所示应用，分析了大数据在煤矿设备故障诊断、灾害事 11数据预处理故预警与防治等方面的可行性.孙继平山运用大由于矿山安全隐患数据记录的内容繁杂且在数据技术实现了煤矿事故灾害的超前预警.谭章记录过程中缺乏规范性，因此为了保证文本挖掘禄等四借助文本分析方法，通过对隐患信息的预的效果，在进行文本挖掘之前需要对数据进行清处理，得到隐患事故高频词，进一步指导隐患治洗.从矿山安全管理系统中导出的数据包含很多理.钱宇虹)、石记斌和石记红4、雷煜斌等采内容，比如责任人、责任单位等内容对文本挖掘不用数据挖掘技术，应用Apriori算法和FP-growth算产生影响，因此将这些信息删除，仅保留数据中时法分析瓦斯与地质构造、煤结构等因素间的关联间、地点、隐患问题部分，用以降低文本挖掘维关系度，提高文本挖掘处理的速度.同时对记录中不规随着计算机的发展，很多矿山搭建了安全大范格式及错别字进行纠正.数据清洗完成后用数据平台或相应的管理系统，并将安全检查 R语言自带的jiebaR包对数据进行分词，分词过程中发现的隐患信息录入到大数据平台中，随着企可以理解为根据词库将文本分割成零碎的词汇，业运行，平台中会积累海量以安全检查信息为主而这些词汇就是数据文本的特征项，由矿山安全的非结构化文本数据，而且数据具有内容繁杂、规隐患数据包含大量的采矿专业词汇，而这些专业

金属矿山由于作业条件复杂、劳动环境恶劣，被公认为是事故高发且伤亡率最高的行业之一[1] . 因此，安全生产成为矿山企业永恒的主题，安全隐患管理也受到了国家和企业的重视[2−3] . 随着矿山安全管理体系日益完善，针对事故发生机理在人类可控范围内对安全隐患进行及时的辨识、处理与监控是矿山安全生产管理的重要手段. 对不同的隐患数据有不同的辨识分析方法， Martin 和 Morris 提出建立被控过程模型，通过数学模型将研究对象的可测信息和通过模型表达的先验信息进行比较，对残差结果进行分析处理，完成了对安全隐患的确定[4] ，通过利用故障关系的先验模型建立知识模型，利用被监控对象的定性描述建立定性模型，从而完成了对安全隐患的定位与识别[5] . Dunia 等[6] 提出在描述对象的精确性及建模的可行性上，介于以上两种方法之间，通过相关的频谱分析、主元分析、小波变换等工具，直接分析可测信号，提取诸如方差、幅值、频率等特征值，从而检测安全隐患的存在. 李季等[7] 提出了完整、科学的危险源信息和隐患辨识数据库，然后结合矿山监测系统和人工监测提供的实时数据，完成了安全隐患的捕捉与辨别. 秦文静[8] 通过事故树原理，建立煤矿井下瓦斯爆炸危险源事故树，对煤矿瓦斯爆炸危险源进行辨识. 张宝隆等[9] 提出了基于本体的隐患辨识排查系统构建的方法，通过对煤矿隐患知识分析，建立了隐患本体层次结构，定义类的对象和属性，构建了煤矿事故隐患辨识排查系统模型，从而解决了煤矿事故排查效率低，排查不到位等问题. 为了有效分析安全隐患信息，有学者尝试了将大数据分析技术应用到矿山安全管理中. 马小平和代伟[10] 通过总结大数据技术在煤炭工业中的应用，分析了大数据在煤矿设备故障诊断、灾害事故预警与防治等方面的可行性. 孙继平[11] 运用大数据技术实现了煤矿事故灾害的超前预警. 谭章禄等[12] 借助文本分析方法，通过对隐患信息的预处理，得到隐患事故高频词，进一步指导隐患治理. 钱宇虹[13]、石记斌和石记红[14]、雷煜斌等[15] 采用数据挖掘技术，应用 Apriori 算法和 FP-growth 算法分析瓦斯与地质构造、煤结构等因素间的关联关系. 随着计算机的发展，很多矿山搭建了安全大数据平台或相应的管理系统[16−18] ，并将安全检查中发现的隐患信息录入到大数据平台中. 随着企业运行，平台中会积累海量以安全检查信息为主的非结构化文本数据，而且数据具有内容繁杂、规模大、不规范等特征. 据数据显示，矿山一年的数据量可达上百 GB[19−20] . 虽然大数据平台为安全隐患数据提供了存储平台，但是由于缺少安全隐患分析模型，在数据的分析利用方面存在短板[21] ，大量安全数据只是用于完成简单的问题处理、报表分析和数据统计，导致这些有价值的信息生命周期很短暂，在完成隐患排查后即以分散化、无序化的形式存储，成为历史数据，未能发挥这些数据对安全生产的指导作用，从而导致上述海量数据的浪费. 另外，矿山安全隐患数据的记录内容较短，每条数据的有效信息少，具有明显的短文本特征，所以选择适用于短文本挖掘的分析方法构建数据挖掘模型，从多角度探究隐患数据的内在联系，借助可视化手段对挖掘结果进行可视化展示，指导矿山安全隐患排查治理是当前矿山企业隐患治理中亟待解决的问题. 因此，本文在数据预处理的基础上对隐患信息进行多维度辨识，得到隐患在时间和空间两个维度上的分布规律；针对矿山隐患信息的短文本特征，采用双词主题模型（Biterm topic model, BTM）对安全隐患进行主题挖掘，得到了 13 个隐患主题，有效避免了潜在狄利克雷分配模型（ Latent Dirichlet allocation, LDA）算法不适用于短文本挖掘的不足；最后通过 Apriori 算法对隐患数据进行了关联规则挖掘，得到了多条有效的关联规则，并对其进行了可视化展示. 1 基于大数据的安全隐患分析模型构建安全隐患分析模型，首先对隐患数据进行预处理，然后基于大数据分析方对隐患信息进行多维度分析、主题挖掘、关联规则挖掘等，具体流程如图 1 所示. 1.1 数据预处理由于矿山安全隐患数据记录的内容繁杂且在记录过程中缺乏规范性，因此为了保证文本挖掘的效果，在进行文本挖掘之前需要对数据进行清洗. 从矿山安全管理系统中导出的数据包含很多内容，比如责任人、责任单位等内容对文本挖掘不产生影响，因此将这些信息删除，仅保留数据中时间、地点、隐患问题部分，用以降低文本挖掘维度，提高文本挖掘处理的速度. 同时对记录中不规范格式及错别字进行纠正. 数据清洗完成后用 R 语言自带的 jiebaR 包对数据进行分词，分词过程可以理解为根据词库将文本分割成零碎的词汇，而这些词汇就是数据文本的特征项，由矿山安全隐患数据包含大量的采矿专业词汇，而这些专业郭对明等：基于文本挖掘的矿山安全隐患大数据分析与可视化 · 329 ·

330 工程科学学报，第44卷，第3期 Data cleaning Data preprocessing Tokenization Stop words removal Analysis on time distribution of Multi dimensional security risks Statistics of high hidden danger frequency words identification Analysis on spatial distribution of Force atlas graphic layout algorithm security risks BTM topic mining model Topic mining of Gibbs sampling security risks algorithm Perplexity Apriori association rules Association mining mining algorithm of security risks Visual display 图1基于大数据分析的隐患分析模型流程 Fig.I Hidden danger analysis model process based on big data analysis 词汇并不包含在R语言的词库中，为了提高数据的Force Atlas图形布局算法，对隐患进行可视化分词的准确性，再分词前添加自定义词库，词库内表示，得到安全隐患时间分布图和空间分布图容来源于采矿工程、矿井通风、矿山工程、矿山应 1.3隐患信息主题挖掘急救援等专业词汇.分词结束后数据中依然存在矿山安全隐患数据的数量庞大而且所涉及的频率较高但没有实际意义的词，即停用词，因此需种类复杂多样，在实际管理过程中很难通过人工要对分词结束的数据去停用词，目的是对文本的完成对隐患数据按照隐患类别进行分类统计，更特征项降维减噪，提高文本挖掘工具的处理速度难以发现安全隐患问题中隐藏的隐患主题.因此，与处理能力通过大数据分析中的主题挖掘算法构建矿山隐患 1.2隐患信息多维度辨识信息的主题挖掘模型，对井下安全隐患数据进行地下矿山安全隐患的发生不是杂乱无序的，深层次分析，通过将众多的隐患归类，获得能够反随着企业对隐患的治理，造成某些安全隐患数量映井下生产安全问题的隐患主题，更加有针对性随着时间的延长呈现出一定的波动起伏规律.为的指导安全管理工作的开展了分析安全隐患的变化，在数据预处理的基础上，文本的主题挖掘是大数据分析中重要的组成按照年份统计该年内出现频率较高的隐患词，对部分，该方法可以将众多的数据按照一定的规则高频词按时间顺序进行分析，得到历年隐患数量进行高度概括，按照不同的隐患内容划分为不同随时间变化的曲线，从而在时间维度上对隐患的的隐患主题.BTM主题挖掘模型四]与传统的发展变化进行把握.同样，隐患并不是在井下任何 LDA主题挖掘模型1的相似点在于，两种主题算地点都存在，一些特定的隐患会在某些关键地点法的先验分布均服从狄利克雷分布(Dirichlet 出现且出现的次数较高，为了明确井下隐患发生 distribution,Dir(a),区别在于BTM是对词对进行的重点区域，指导企业对危险区域的排查，通过统建模而不是单独的词语，然后利用共轭分布对主计隐患数据中的地点并提取频繁出现的地点，对题模型进行推理.该模型通过对短文本语料进行高频地点对应的隐患信息进行分析，得到该地点词对扩充，改善了短文本建模的稀疏问题.该模型可能发生的相关隐患，的概率模型如图2所示为了更加直观的展示安全隐患在时间和空间上图2中，Z为一个主题，k为维度，0为短文两个维度上的分布规律，利用大数据分析方法中本集合中k个主题的分布，4为主题维度k的词汇

词汇并不包含在 R 语言的词库中，为了提高数据分词的准确性，再分词前添加自定义词库，词库内容来源于采矿工程、矿井通风、矿山工程、矿山应急救援等专业词汇. 分词结束后数据中依然存在频率较高但没有实际意义的词，即停用词，因此需要对分词结束的数据去停用词，目的是对文本的特征项降维减噪，提高文本挖掘工具的处理速度与处理能力. 1.2 隐患信息多维度辨识地下矿山安全隐患的发生不是杂乱无序的，随着企业对隐患的治理，造成某些安全隐患数量随着时间的延长呈现出一定的波动起伏规律. 为了分析安全隐患的变化，在数据预处理的基础上，按照年份统计该年内出现频率较高的隐患词，对高频词按时间顺序进行分析，得到历年隐患数量随时间变化的曲线，从而在时间维度上对隐患的发展变化进行把握. 同样，隐患并不是在井下任何地点都存在，一些特定的隐患会在某些关键地点出现且出现的次数较高，为了明确井下隐患发生的重点区域，指导企业对危险区域的排查，通过统计隐患数据中的地点并提取频繁出现的地点，对高频地点对应的隐患信息进行分析，得到该地点可能发生的相关隐患. 为了更加直观的展示安全隐患在时间和空间两个维度上的分布规律，利用大数据分析方法中的 Force Atlas 图形布局算法，对隐患进行可视化表示，得到安全隐患时间分布图和空间分布图. 1.3 隐患信息主题挖掘矿山安全隐患数据的数量庞大而且所涉及的种类复杂多样，在实际管理过程中很难通过人工完成对隐患数据按照隐患类别进行分类统计，更难以发现安全隐患问题中隐藏的隐患主题. 因此，通过大数据分析中的主题挖掘算法构建矿山隐患信息的主题挖掘模型，对井下安全隐患数据进行深层次分析，通过将众多的隐患归类，获得能够反映井下生产安全问题的隐患主题，更加有针对性的指导安全管理工作的开展. 文本的主题挖掘是大数据分析中重要的组成部分，该方法可以将众多的数据按照一定的规则进行高度概括，按照不同的隐患内容划分为不同的隐患主题 . BTM 主题挖掘模型 [22] 与传统的 LDA 主题挖掘模型[23] 的相似点在于，两种主题算法的先验分布均服从狄利克雷分布 (Dirichlet distribution, Dir(α))，区别在于 BTM 是对词对进行建模而不是单独的词语，然后利用共轭分布对主题模型进行推理. 该模型通过对短文本语料进行词对扩充，改善了短文本建模的稀疏问题. 该模型的概率模型如图 2 所示. 上图 2 中，Z 为一个主题，k 为维度，θ 为短文本集合中 k 个主题的分布，φk 为主题维度 k 的词汇 Data preprocessing Data cleaning Tokenization Stop words removal Force atlas graphic layout algorithm BTM topic mining model Gibbs sampling algorithm Perplexity Visual display Statistics of high frequency words Topic mining of security risks Apriori association rules mining algorithm Association mining of security risks Multi dimensional hidden danger identification Analysis on time distribution of security risks Analysis on spatial distribution of security risks 图 1 基于大数据分析的隐患分析模型流程 Fig.1 Hidden danger analysis model process based on big data analysis · 330 · 工程科学学报，第 44 卷，第 3 期

郭对明等：基于文本挖掘的矿山安全隐患大数据分析与可视化 331· 的经典算法之一242，该算法通过构建候选集和建立规则挖掘频繁项集，其核心是基于两阶段频集思想的递推算法.Apriori算法对关联规则的挖掘主要分为两个步骤，首先要构建一组最小支持度的频繁项，然后根据所建立的频繁项集构造关联规则，具体步骤如图3所示 Construction of mine safety hazard data set D 图2BTM概率图模型 Proposed minimum support Fig.2 BTM probability graph model (min_supp)and minimum confidence(min conf) 分布，NB为文档数目，a、B为词对与主题分布和主 Scan the data set and Candidate 1 itemsets C count each item 题与单词分布的狄利克雷分布的超参数.模型的计算过程如下所示： Y ①对于每一个主题Z,其主题维度下的词分布 Prune min supp Frequent 1 itemsets L 为p=Dir(B): ②对于短文本语料集，确定一个全局的主题 Connect Candidate 2 itemsets C 分布0=Dir(B: ③对于词对WW中每一个词，执行： Frequent k itemsets La 从全局主题分布0中，抽取一个主题Z,即￥ Candidate +1 Z=Mult(0); Connect itemsets C+ 从被抽取的主题中，抽取两个词w,和w,:其中每个词对都是从一个独立主题中产生，即"，w于 N Y Frequent +1 Mult(o). Prune Support of item Sets≥min_supp itemsets La BTM模型采用Gibbs抽样算法进行采样，主题分布的最终化简如下式所示 L=Empty set (nwik+B)(nwk+B) P(ZIZ-w.W.a.B)c(n.+a)- (1) (∑wmwk+BM)2 Output association rules (confidence>min_supp) 式中：Z为除去当前词对的主题分布，Z为主题， n:为分配到主题Z的次数，nwk、nwk、nwk分别为 Calculate the lift of association rules and 词对w、w、W分配到主题Z的次数，M为语料集 expla in the rules 中不同的词语数图3基于Apriori算法矿山安全隐患关联规则挖掘流程之后根据公式(2)和公式(3)对超参数进行估计 Fig.3 Mining process of association rules for mine safety hazard based 0s及+B on Apriori algorithm (2) B+Ka 2基于大数据隐患分析模型应用与结果分析 nwkz +B P=∑wnt+ME (3) 2.1数据描述与处理 1.4隐患信息关联规则挖掘本文以某矿山的GIS安全管理系统中抽取得导致矿山安全事故产生的原因往往不止一到安全隐患排查数据为研究对象，该数据从2013 种，多种安全隐患的出现增加了矿山安全事故发年至2019年，共计34000条，记录了隐患发生的生的概率，这表明安全隐患并不是孤立存在，他们时间、位置、隐患单位、具体问题、整改意见等往往存在着一定的联系.因此分析不同隐患之间内容的内在联系，理清隐患之间的因果关系，对有效治对收集的隐患数据进行预处理，经过分词和理隐患，预防隐患产生起到事半功倍的作用去停用词后提取词频前200的高频词汇作为有效 Apriori算法是挖掘布尔关联规则频繁项目集结果（最小词频大于200），部分高频词如表1所示

分布，NB 为文档数目，α、β 为词对与主题分布和主题与单词分布的狄利克雷分布的超参数. 模型的计算过程如下所示： ① 对于每一个主题 Z，其主题维度下的词分布为 φ=Dir(β)； ② 对于短文本语料集，确定一个全局的主题分布 θ=Dir(β)； ③ 对于词对 WW 中每一个词，执行：从全局主题分布 θ 中，抽取一个主题 Z，即 Z=Mult(θ)；从被抽取的主题中，抽取两个词 wi 和 wj；其中每个词对都是从一个独立主题中产生，即 wi，wj= Mult(φ). BTM 模型采用 Gibbs 抽样算法进行采样，主题分布的最终化简如下式所示. P(Z|Z−w,W,α, β) ∝ (nz +α) (nwi |z +β)(nwj |z +β) ( ∑ wnw|z +βM) 2 （1） nw|z nwi |z nwj |z 式中： Z−w 为除去当前词对的主题分布，Z 为主题， nz 为分配到主题 Z 的次数，、、分别为词对 w、wi、wj 分配到主题 Z 的次数，M 为语料集中不同的词语数. 之后根据公式 (2) 和公式 (3) 对超参数进行估计. θ = nz +β B+Kα （2） φ = nw|z +β ∑ w nw|z + Mβ （3） 1.4 隐患信息关联规则挖掘导致矿山安全事故产生的原因往往不止一种，多种安全隐患的出现增加了矿山安全事故发生的概率，这表明安全隐患并不是孤立存在，他们往往存在着一定的联系. 因此分析不同隐患之间的内在联系，理清隐患之间的因果关系，对有效治理隐患，预防隐患产生起到事半功倍的作用. Apriori 算法是挖掘布尔关联规则频繁项目集的经典算法之一[24−25] ，该算法通过构建候选集和建立规则挖掘频繁项集，其核心是基于两阶段频集思想的递推算法. Apriori 算法对关联规则的挖掘主要分为两个步骤，首先要构建一组最小支持度的频繁项，然后根据所建立的频繁项集构造关联规则，具体步骤如图 3 所示. Construction of mine safety hazard data set D Proposed minimum support (min_supp) and minimum confidence (min_conf) Scan the data set and count each item ... N Y Candidate 1 itemsets C1 Frequent 1 itemsets L1 Support of item sets≥min_supp Prune Frequent k itemsets Lk Connect Candidate 2 itemsets C2 Connect Candidate k+1 itemsets Ck+1 Support of item sets≥min_supp Frequent k+1 itemsets Lk+1 Prune L=Empty set Output association rules (confidence>min_supp) Calculate the lift of association rules and expla in the rules N Y 图 3 基于 Apriori 算法矿山安全隐患关联规则挖掘流程 Fig.3 Mining process of association rules for mine safety hazard based on Apriori algorithm 2 基于大数据隐患分析模型应用与结果分析 2.1 数据描述与处理本文以某矿山的 GIS 安全管理系统中抽取得到安全隐患排查数据为研究对象，该数据从 2013 年至 2019 年，共计 34000 条，记录了隐患发生的时间、位置、隐患单位、具体问题、整改意见等内容. 对收集的隐患数据进行预处理，经过分词和去停用词后提取词频前 200 的高频词汇作为有效结果 (最小词频大于 200)，部分高频词如表 1 所示. α θ β φk wi wj NB k Z 图 2 BTM 概率图模型 Fig.2 BTM probability graph model 郭对明等：基于文本挖掘的矿山安全隐患大数据分析与可视化 · 331 ·

332 工程科学学报，第44卷，第3期表1安全隐患高颜词（部分） Table 1 High frequency words of hidden danger(part) Number Hidden danger vocabulary Word frequency Proportion/ Number Hidden danger vocabulary Word frequency Proportion/% Support 9493 5.27 Civilized production 2440 1.36 3 Roof 9174 5.10 12 Pavement 2327 1.29 Pumice 8756 4.86 13 Roadway's sides 2232 1.24 Illumination 6145 3.41 14 Not in place 2190 1.22 Head-on 5237 2.91 15 Fan 2112 1.17 6 Much more 4931 2.74 16 Work 2099 1.17 7 Hydrops 2909 1.62 17 Distribution box 2011 1.12 8 Roof and sidewalls 2773 1.54 18 Fracture 1900 1.06 9 Facilities 2659 1.48 19 Explosive 1798 1.00 10 Rock bolt 2456 1.36 20 Jeep 1538 0.85 通过上表的词频统计可以清楚的看出在矿山隐患词汇进行分析，得到30种以上共有的隐患，安全隐患中支护的相关问题出现的频率最高，其如表2所示为部分共有隐患次是顶板和浮石问题.为了更直观的看出隐患文本的分词结果，对表2中的数据进行可视化展示，通过R语言自带的词云展示工具对分词结果进行词云展示.在词云展示过程中，词汇的字体越大，代表着该词在分词结果中出现的频率越高，这样可以让读者对分析结果有快速、直观的理解.如图4所示，在例如，支护、顶板、浮石等词在分词结果中出现的频率较高，因此在图中的字体大小较大表2不同年份共有隐患词汇统计表（部分）配电箱等文明生产 Table 2 Statistical table of common hidden danger vocabulary (part) 图4矿山安全隐患词云图 Word frequency Fig.4 Cloud chart of mine safety hidden danger Hidden danger vocabulary 2013201420152016201720182019 Multi dimensional hidden Roof 6058728181080135817161246 danger identification Illumination 45154740548993811761106 Rock bolt 161220360259321322235 Place Mining Middle Sublevel Mining Pumice 59385010141326131717481234 area segment district Time Distribution box 176226156237333391303 Year Mouth Day Head-on 4844773876187651242794 Support 7047818491152127421161687 图5隐患数据维度分析图 Fan 221254167210363302313 Fig.5 Dimension analysis chart of hidden danger data Hydrops 280280278296459592484 为了分析上述共有隐患词汇随时间的变化规 … 律，对上述隐患词汇绘制隐患发生频率随时间的变换曲线，如图6所示 2.2安全隐患时空分布规律分析由图6可以看出大部分隐患呈现出从2013年在数据预处理的基础上，进行隐患信息的多开始先增长，到2018年达到最大值，之后减少的维度辨识，从时间和空间两个维度上对数据进行趋势.其中支护、浮石、顶板、迎头问题出远高于分析，得到隐患在时间和地点上的分布规律.具体其他隐患，且从2013~2018年有明显增加，但2018 维度划分如图5所示年之后出现下降，表明四种问题得到了一定程度为了推测矿山安全隐患出现的趋势，分析矿的改善，但整体出现频率依然很高，表明依然是威山安全隐患随时间变化的规律，将安全隐患数据胁员工井下生产的主要隐患，需要矿山开采过程按照时间进行分类统计词频.选取各年中相同的中重点关注.配电箱、风机、安全背甲、漏电等隐

表 1 安全隐患高频词 (部分) Table 1 High frequency words of hidden danger (part) Number Hidden danger vocabulary Word frequency Proportion/% Number Hidden danger vocabulary Word frequency Proportion/% 1 Support 9493 5.27 11 Civilized production 2440 1.36 2 Roof 9174 5.10 12 Pavement 2327 1.29 3 Pumice 8756 4.86 13 Roadway’s sides 2232 1.24 4 Illumination 6145 3.41 14 Not in place 2190 1.22 5 Head-on 5237 2.91 15 Fan 2112 1.17 6 Much more 4931 2.74 16 Work 2099 1.17 7 Hydrops 2909 1.62 17 Distribution box 2011 1.12 8 Roof and sidewalls 2773 1.54 18 Fracture 1900 1.06 9 Facilities 2659 1.48 19 Explosive 1798 1.00 10 Rock bolt 2456 1.36 20 Jeep 1538 0.85 通过上表的词频统计可以清楚的看出在矿山安全隐患中支护的相关问题出现的频率最高，其次是顶板和浮石问题. 为了更直观的看出隐患文本的分词结果，对表 2 中的数据进行可视化展示，通过 R 语言自带的词云展示工具对分词结果进行词云展示. 在词云展示过程中，词汇的字体越大，代表着该词在分词结果中出现的频率越高，这样可以让读者对分析结果有快速、直观的理解[26] . 如图 4 所示，在例如，支护、顶板、浮石等词在分词结果中出现的频率较高，因此在图中的字体大小较大. 表 2 不同年份共有隐患词汇统计表 (部分) Table 2 Statistical table of common hidden danger vocabulary (part) Hidden danger vocabulary Word frequency 2013 2014 2015 2016 2017 2018 2019 Roof 605 872 818 1080 1358 1716 1246 Illumination 451 547 405 489 938 1176 1106 Rock bolt 161 220 360 259 321 322 235 Pumice 593 850 1014 1326 1317 1748 1234 Distribution box 176 226 156 237 333 391 303 Head-on 484 477 387 618 765 1242 794 Support 704 781 849 1152 1274 2116 1687 Fan 221 254 167 210 363 302 313 Hydrops 280 280 278 296 459 592 484 … … … … … … … … 2.2 安全隐患时空分布规律分析在数据预处理的基础上，进行隐患信息的多维度辨识，从时间和空间两个维度上对数据进行分析，得到隐患在时间和地点上的分布规律. 具体维度划分如图 5 所示. 为了推测矿山安全隐患出现的趋势，分析矿山安全隐患随时间变化的规律，将安全隐患数据按照时间进行分类统计词频. 选取各年中相同的隐患词汇进行分析，得到 30 种以上共有的隐患，如表 2 所示为部分共有隐患. 图 4 矿山安全隐患词云图 Fig.4 Cloud chart of mine safety hidden danger Mining area Middle segment Sublevel Year Mouth Day Mining district Multi dimensional hidden danger identification Place Time 图 5 隐患数据维度分析图 Fig.5 Dimension analysis chart of hidden danger data 为了分析上述共有隐患词汇随时间的变化规律，对上述隐患词汇绘制隐患发生频率随时间的变换曲线，如图 6 所示. 由图 6 可以看出大部分隐患呈现出从 2013 年开始先增长，到 2018 年达到最大值，之后减少的趋势. 其中支护、浮石、顶板、迎头问题出远高于其他隐患，且从 2013～2018 年有明显增加，但 2018 年之后出现下降，表明四种问题得到了一定程度的改善，但整体出现频率依然很高，表明依然是威胁员工井下生产的主要隐患，需要矿山开采过程中重点关注. 配电箱、风机、安全背甲、漏电等隐 · 332 · 工程科学学报，第 44 卷，第 3 期

334 工程科学学报，第44卷，第3期由图7可以清晰的看出隐患随时间的分布情 0.由表可以看出高频隐患地点中有7个属于S矿况，中间部分的隐患词表示该隐患为2013~2019 区，9个属于X矿区年间共有的隐患，例如顶板问题、通风问题、照明问题等.年份节点外部边缘部分隐患词表示该年表3高颜隐患地点统计表（前20）份特有的隐患问题，例如2013年电话损坏、顶板 Table 3 Statistical table of high frequency hidden danger location(top 20) 裂缝、排水管问题、卸载站等词出现频率较高、说 Hidden danger location Quantity Hidden danger location Number 明这些隐患在2013年出现角度且问题突出 Slope mouth 509 S13155 149 S12186 254 X06111 144 对隐患数据按照隐患发生地点进行统计，提 S14186 239 X08059 141 取隐患数量排名前20的隐患地点并分别进行分 X07097 228 S18156 140 析和词频统计，如表3所示，选取各隐患地点排名 X07087 226 X08055 132 前lO0的高频词，利用Force Atlas图形布局算法绘 X07105 225 X05103 123 制隐患与空间规律分布图，如图8所示 S13186 202 S15186 122 如表中所示，隐患地点编码守卫代表矿区，即 Assistant ramp 197 S10167 115 X矿区和S矿区，中间两位代表中段，后三位代表 X09105 170 X05111 108 勘探线，取中间勘探线（三位数），不足三位前面补 Main ramp 164 West ventilating shaft 105 细年睡年梦降后数从A我植口无果斜井口选婚和轮鱼压移”马停载成水装工人药感修水连称生水所大和东a青要全超考道T到安全下鞋充填运培东士道房些机有冰给投约教内气银旺头辅助被道整井机款车刷空置水看立林容峰制卷地装大玉森 S14186 s13186 线路工 S10们67米物gS S13155 人S12186 容压入试上口场修福库天积木精酒码活台不红他饰后困8矿山安全隐患与空间规律分布 Fig.8 Hidden danger of mine safety and its spatial distribution 从上图可以看出，隐患地点构成了四个主要的有的隐患.地点节点对应的颜色越深代表该地点隐群，其中两个较为突出的地点群分别有S矿区的患问题越多.例如，S13186地点岩爆、围岩、地压等 7个采场区域和X矿区的9个采场区域构成，另外隐患词出现频繁，说明该地点采场地压问题严重，两个较小的地点群分别由辅助斜坡道、主斜坡道和因此为保证井下作业安全，应及时对井下进行支护西风井构成.图中隐患词在地点群中交叉的部分为 2.3隐患数据主题挖掘结果分析各区域共有隐患，没有交叉部分的隐患为各区域特利用BTM主题挖掘模型对矿山井下安全隐

由图 7 可以清晰的看出隐患随时间的分布情况，中间部分的隐患词表示该隐患为 2013～2019 年间共有的隐患，例如顶板问题、通风问题、照明问题等. 年份节点外部边缘部分隐患词表示该年份特有的隐患问题，例如 2013 年电话损坏、顶板裂缝、排水管问题、卸载站等词出现频率较高、说明这些隐患在 2013 年出现角度且问题突出. 对隐患数据按照隐患发生地点进行统计，提取隐患数量排名前 20 的隐患地点并分别进行分析和词频统计，如表 3 所示，选取各隐患地点排名前 100 的高频词，利用 Force Atlas 图形布局算法绘制隐患与空间规律分布图，如图 8 所示. 如表中所示，隐患地点编码守卫代表矿区，即 X 矿区和 S 矿区，中间两位代表中段，后三位代表勘探线，取中间勘探线 (三位数)，不足三位前面补 0. 由表可以看出高频隐患地点中有 7 个属于 S 矿区，9 个属于 X 矿区. 表 3 高频隐患地点统计表 (前 20) Table 3 Statistical table of high frequency hidden danger location (top 20) Hidden danger location Quantity Hidden danger location Number Slope mouth 509 S13155 149 S12186 254 X06111 144 S14186 239 X08059 141 X07097 228 S18156 140 X07087 226 X08055 132 X07105 225 X05103 123 S13186 202 S15186 122 Assistant ramp 197 S10167 115 X09105 170 X05111 108 Main ramp 164 West ventilating shaft 105 斜井口主斜坡道辅助斜坡道 S13186 S14186 X07097 X08059 X09105 X07105 X06111 X05103 X08055 X05111 X07087 S18156 S10167 S15186 S13155 S12186 西风井主斜坡道斜井口辅助斜坡道 S13186 S14186 X07097 X08059 X09105 X07105 X06111 X05103 X08055 X05111 X07087 S18156 S10167 S15186 S13155 S12186 西风井图 8 矿山安全隐患与空间规律分布 Fig.8 Hidden danger of mine safety and its spatial distribution 从上图可以看出，隐患地点构成了四个主要的群，其中两个较为突出的地点群分别有 S 矿区的 7 个采场区域和 X 矿区的 9 个采场区域构成，另外两个较小的地点群分别由辅助斜坡道、主斜坡道和西风井构成. 图中隐患词在地点群中交叉的部分为各区域共有隐患，没有交叉部分的隐患为各区域特有的隐患. 地点节点对应的颜色越深代表该地点隐患问题越多. 例如，S13186 地点岩爆、围岩、地压等隐患词出现频繁，说明该地点采场地压问题严重，因此为保证井下作业安全，应及时对井下进行支护. 2.3 隐患数据主题挖掘结果分析利用 BTM 主题挖掘模型对矿山井下安全隐 · 334 · 工程科学学报，第 44 卷，第 3 期

郭对明等：基于文本挖掘的矿山安全隐患大数据分析与可视化 335 患数据进行分析，首先利用困惑度对最优主题数 160A 目进行判断，困惑度越小，主题挖掘的质量越好， 150 相反越差.将主题范围设置为2~100，步长设置为5，迭代次数1000次，得到困惑度与主题数目的关系图，如图9所示 130 由图9可以观察到随着主题数目的增加，困惑 120 度表现出明显的波动，在主题数目为15时困惑度 110 最低，表明此时为最佳主题数目，为了保证对隐患 100 主题分类的准确性和标准性，参考张勇7对生产 0102030405060708090100 安全事故隐患分类的方法和《安全生产事故隐患 Number of topic 排查治理暂行规定》2、《金属非金属矿山重大生图9困感度-主题数目关系图产安全事故隐患判定标准（试行）》四，在对各个主 Fig.9 Perplexity-topic number graph 题词归纳统计的基础上对主题进行命名，并将相对隐患文本做进一步分析，针对每个隐患主题提近的主题合并，最终得到13个隐患主题.为了对取对应的特征词，剔除隐患主题中的噪声词后即各个隐患主题有直观的了解，确定主题数目之后，可得到各个主题对应的隐患主题词，如表4所示表4BTM矿山安全隐患主题与隐患主题词表 Table4 BTM mine safety hidden danger theme and hidden danger keywords list Number Safety hidden danger theme Hidden danger keywords Hidden danger of support Support,roof,roadway's sides,network degree,measures,not in place,invalid,fracture 2 Hidden danger of roof Roof,joint,caving,fragment,pumice,dangerous rock,crack,development 3 Hidden danger of transport Overload,ramp,violation,jeep,down,fire extinguisher,load-haul-dump unit 4 Hidden danger of rock bolt Rock bolt,network degree,not in time,follow-up,lack,long-cable,too long 5 Hidden danger of pipeline Wind belt,cable,set up,follow-up,damaged,hang.stringing.drop,water pipe 6 Hidden danger of ventilation and three prevention Fire extinguisher,fire water pipe,fire box dustaow,oxygen,air quality,ventilation 7 Hidden danger of operation Operation,grouting,excavation,scene,top brush,people,construction,not completely 8 Hidden danger of safety protection Safety hat,protect,protective fence,sign,carapace,measures,sign 9 Hidden danger of electromechanical Fan,distribution box,transformer,switch,ground wire,grounding electrode,cable 10 Hidden danger of blasting operation Smooth blasting,explosive,detonating tube,explosive box,lock,lying around 11 Hidden danger of road Pavement,out-of-flatness,silt,potholes,sundries,hydrops 12 Hidden danger of water disaster Hydrops,too much,deeper,ditch,water pump,puddles,drain 3 Hidden danger of environmental Silt,mud,clean up,poor,hydrops,sundries,purling 通过表4可以清楚地了解到每个隐患主题包板、浮石、支护，因此本文设置最小支持度和最小含的主要内容.例如，支护隐患主题中主要包含了置信度分别为0.005和0.5，执行算法后得到了支护、顶帮、两帮、网度、不到位等隐患主题词， 296条关联规则，由于过低的提升度不具备现实意这些主题词既描述了支护隐患容易发生的地点，义，因此将关联规则按照提升度进行排序，去除提同时也描述了该隐患的主要表现形式，能够为矿升度小于3规则后作为最终的有效规则，最终得山井下安全检查和隐患排查工作提供必要的指到了超过237条有效关联规则，表5中列举了有效导，使现场安全检查过程中更具精确性和针对性，关联规则中典型的10条规则. 可以迅速捕捉生产中的隐患，从而提高对安全隐从表5可以看出隐患数据之间存在一定的联患危险源的排查效率和隐患治理效率系，通过文本挖掘得到的关联规则能够切实提高 2.4隐患数据关联规则挖掘分析井下安全隐患检查工作的效率.例如：井下从事运利用R语言中“arules'”工具包对矿山隐患文输工作的司机更多的安全隐患是不佩戴或者不正本进行关联规则挖掘，R语言中默认的最小支持确佩戴安全帽，该类安全隐患占全部隐患数据的度与最小置信度分别为0.1和0.8，该支持度对于 0.504%,参照该关联规则在对井下四级进行隐患本文分析相对过小，导致得到的规则过于侧重顶排查过程中与随机排查相比效率可以提高50倍

患数据进行分析，首先利用困惑度对最优主题数目进行判断，困惑度越小，主题挖掘的质量越好，相反越差. 将主题范围设置为 2～100，步长设置为 5，迭代次数 1000 次，得到困惑度与主题数目的关系图，如图 9 所示. 由图 9 可以观察到随着主题数目的增加，困惑度表现出明显的波动，在主题数目为 15 时困惑度最低，表明此时为最佳主题数目. 为了保证对隐患主题分类的准确性和标准性，参考张勇[27] 对生产安全事故隐患分类的方法和《安全生产事故隐患排查治理暂行规定》[28]、《金属非金属矿山重大生产安全事故隐患判定标准 (试行)》 [29] ，在对各个主题词归纳统计的基础上对主题进行命名，并将相近的主题合并，最终得到 13 个隐患主题. 为了对各个隐患主题有直观的了解，确定主题数目之后，对隐患文本做进一步分析，针对每个隐患主题提取对应的特征词，剔除隐患主题中的噪声词后即可得到各个主题对应的隐患主题词，如表 4 所示. 表 4 BTM 矿山安全隐患主题与隐患主题词表 Table 4 BTM mine safety hidden danger theme and hidden danger keywords list Number Safety hidden danger theme Hidden danger keywords 1 Hidden danger of support Support, roof, roadway’s sides, network degree, measures, not in place, invalid, fracture 2 Hidden danger of roof Roof, joint, caving, fragment, pumice, dangerous rock, crack, development 3 Hidden danger of transport Overload, ramp, violation, jeep, down, fire extinguisher, load-haul-dump unit 4 Hidden danger of rock bolt Rock bolt, network degree, not in time, follow-up, lack, long- cable, too long 5 Hidden danger of pipeline Wind belt, cable, set up, follow-up, damaged, hang, stringing, drop, water pipe 6 Hidden danger of ventilation and three prevention Fire extinguisher, fire water pipe, fire box, dust, airflow, oxygen, air quality, local ventilation 7 Hidden danger of operation Operation, grouting, excavation, scene, top brush, people, construction, not completely 8 Hidden danger of safety protection Safety hat, protect, protective fence, sign, carapace, measures, sign 9 Hidden danger of electromechanical Fan, distribution box, transformer, switch, ground wire, grounding electrode, cable 10 Hidden danger of blasting operation Smooth blasting, explosive, detonating tube, explosive box, lock, lying around 11 Hidden danger of road Pavement, out-of-flatness, silt, potholes, sundries, hydrops 12 Hidden danger of water disaster Hydrops, too much, deeper, ditch, water pump, puddles, drain 13 Hidden danger of environmental Silt, mud, clean up, poor, hydrops, sundries, purling 通过表 4 可以清楚地了解到每个隐患主题包含的主要内容. 例如，支护隐患主题中主要包含了支护、顶帮、两帮、网度、不到位等隐患主题词，这些主题词既描述了支护隐患容易发生的地点，同时也描述了该隐患的主要表现形式，能够为矿山井下安全检查和隐患排查工作提供必要的指导，使现场安全检查过程中更具精确性和针对性，可以迅速捕捉生产中的隐患，从而提高对安全隐患危险源的排查效率和隐患治理效率. 2.4 隐患数据关联规则挖掘分析利用 R 语言中“arules”工具包对矿山隐患文本进行关联规则挖掘，R 语言中默认的最小支持度与最小置信度分别为 0.1 和 0.8，该支持度对于本文分析相对过小，导致得到的规则过于侧重顶板、浮石、支护，因此本文设置最小支持度和最小置信度分别为 0.005 和 0.5，执行算法后得到了 296 条关联规则，由于过低的提升度不具备现实意义，因此将关联规则按照提升度进行排序，去除提升度小于 3 规则后作为最终的有效规则，最终得到了超过 237 条有效关联规则，表 5 中列举了有效关联规则中典型的 10 条规则. 从表 5 可以看出隐患数据之间存在一定的联系，通过文本挖掘得到的关联规则能够切实提高井下安全隐患检查工作的效率. 例如：井下从事运输工作的司机更多的安全隐患是不佩戴或者不正确佩戴安全帽，该类安全隐患占全部隐患数据的 0.504%，参照该关联规则在对井下四级进行隐患排查过程中与随机排查相比效率可以提高 50 倍 0 10 20 30 40 Number of topic Perplexity 100 110 120 130 140 150 160 50 60 70 80 90 100 图 9 困惑度−主题数目关系图 Fig.9 Perplexity−topic number graph 郭对明等：基于文本挖掘的矿山安全隐患大数据分析与可视化 · 335 ·

336 工程科学学报，第44卷，第3期表5矿山安全隐患关联规则挖掘（部分）达到了隐患总数的0.9%，根据该规则对炸药隐患 Table 5 Mining association rules of mine hidden danger(part) 进行检查能够提高隐患排查效率20倍以上， Number Association rules Support Confidence Lift Count 为了更加直观的分析得到的关联规则，利用 driver=> R语言中的arulesViz包对关联规则进行可视化展 (safety hat 0.00504270.720833351.200060173 示，如下图10~图11所示 2 (pry detection=> top brush 0.01588600.966312149.332244545 Scatter plot for 296 riles 3 (pavement=> (potholes,uneven) 0.01241730.948775141.891410426 1.0 4 (network degree 0.01232990.927631622.348495423 =>bigger) 0.9 5 froof and sidewalls, 0.01390390.91730774.151725477 head-on)=>(pumice) 60 roadway's sides, 6 illumination, 0.01026030.90488434.095497352 08 facility=>pumice (lying around=> 7 0.00912350.874301722.317461313 fexplosive 50.7h 40 (landing}=>(an}0.00635440.556122411.322785218 pumice,ventilation facilities 0.00615030.59269664.800199211 0.6 20 =>illumination 10 residual explosive)=>oof90.01235900.70549083.445306424 0.5 以上；矿山生产过程中炸药的使用具有较大安全 0.02 0.04 0.06 0.08 Support 隐患，也是企业重点关注的对象，通过对隐患数据图10矿山井下安全隐患关联规则散点图的挖掘得出了在对炸药的处理过程中经常出现不 Fig.10 Scatter diagram of association rules for underground safety 按规定放置的现象，比如炸药裸放.这种隐患占比 hazards Graph of 80 rules Size:confidence(0.503-0.987) Color:lif(2.365-49.332) 因11基于图的矿山安全隐患关联规则可视化 Fig.11 Visualization of mine hidden danger association rules based on graph 从图10可以看出通过文本挖掘得到的296条度从0.5~1.0呈现均匀分布，图中每个点的颜色代关联规则的支持度主要分布在0~0.02之间，置信表了不同的提升度，颜色越深表示提升度越高.从

以上；矿山生产过程中炸药的使用具有较大安全隐患，也是企业重点关注的对象，通过对隐患数据的挖掘得出了在对炸药的处理过程中经常出现不按规定放置的现象，比如炸药裸放. 这种隐患占比达到了隐患总数的 0.9%，根据该规则对炸药隐患进行检查能够提高隐患排查效率 20 倍以上. 为了更加直观的分析得到的关联规则，利用 R 语言中的 arulesViz 包对关联规则进行可视化展示，如下图 10～图 11 所示. 1.0 Scatter plot for 296 riles 0.9 0.8 Confidence 0.7 0.6 0.5 0.02 0.04 Support 0.06 0.08 Lift 20 40 60 80 图 10 矿山井下安全隐患关联规则散点图 Fig.10 Scatter diagram of association rules for underground safety hazards Graph of 80 rules Size: confidence (0.503−0.987) Color: lift (2.365−49.332) 图 11 基于图的矿山安全隐患关联规则可视化 Fig.11 Visualization of mine hidden danger association rules based on graph 从图 10 可以看出通过文本挖掘得到的 296 条关联规则的支持度主要分布在 0～0.02 之间，置信度从 0.5～1.0 呈现均匀分布，图中每个点的颜色代表了不同的提升度，颜色越深表示提升度越高. 从表 5 矿山安全隐患关联规则挖掘 (部分) Table 5 Mining association rules of mine hidden danger (part) Number Association rules Support Confidence Lift Count 1 {driver}=> {safety hat} 0.0050427 0.7208333 51.200060 173 2 {pry detection}=> {top brush} 0.0158860 0.9663121 49.332244 545 3 {pavement}=> {potholes, uneven} 0.0124173 0.9487751 41.891410 426 4 {network degree} =>{bigger} 0.0123299 0.9276316 22.348495 423 5 {roof and sidewalls, head-on}=>{pumice} 0.0139039 0.9173077 4.151725 477 6 {roadway’s sides, illumination, facility}=>{pumice} 0.0102603 0.9048843 4.095497 352 7 {lying around}=> {explosive} 0.0091235 0.8743017 22.317461 313 8 {landing}=>{fan} 0.0063544 0.5561224 11.322785 218 9 {pumice, ventilation facilities} =>{illumination} 0.0061503 0.5926966 4.800199 211 10 {residual explosive}=>{roof} 0.0123590 0.7054908 3.445306 424 · 336 · 工程科学学报，第 44 卷，第 3 期

点击进入文档下载页（PDF格式）

共12页，试读已结束，阅读完整版请下载

点击下载（PDF格式）

浏览记录