トリプルの堅牢性を検証するための FSV 分析アプローチ

Aug 08, 2023

Scientific Reports volume 13、記事番号: 9621 (2023) この記事を引用

195 アクセス

メトリクスの詳細

ガス災害の中でも、閾値限界値（TLV）を超えるガス濃度が事故の主な原因となっています。 しかし、ほとんどのシステムは依然として、地質条件や石炭採掘切羽要素への影響の観点から、ガス濃度の TLV への到達または超過を回避するための方法と枠組みの探索に重点を置いています。 以前の研究では、トリップ相関分析の理論的フレームワークを開発し、ガス監視システムにおけるガスとガス、ガスと温度、ガスと風の間に強い相関関係があることを発見しました。 ただし、この枠組みが他の炭鉱の場合にも採用されるかどうかを判断するには、その有効性を検討する必要があります。 この研究の目的は、ガス警報システム開発のためのトリップ相関分析理論フレームワークの堅牢性を検証するために、提案された検証分析アプローチ、つまり第一ラウンド、第二ラウンド、検証ラウンド (FSV) 分析アプローチを調査することです。 ケーススタディや相関研究など、定性的および定量的な混合研究手法が採用されています。 結果は、三重相関分析理論フレームワークの堅牢性を検証します。 この結果は、このフレームワークが他の警報システムの開発にも潜在的に価値があることを示唆しています。 提案された FSV アプローチは、データ パターンを洞察力をもって調査し、さまざまな業界アプリケーション向けの警告システムを開発するための新しい視点を提供するために使用することもできます。

世界最大の石炭生産国である中国の炭鉱産業は、2020 年に世界の石炭生産量の約 46% を占めました1,2。 ガス事故は深刻であり、中国の石炭鉱業管理者は対処しなければなりません3。 ガス災害の中でも、閾値限界値（TLV）を超えるガス濃度が事故の主な原因となっています4。 したがって、リアルタイム TLV のガス監視システムが中国の炭鉱で採用されています。 しかし、ほとんどのシステムは依然として、地質条件や石炭採掘切羽要素への影響の観点から、ガス濃度の TLV への到達または超過を回避するための方法と枠組みの探索に重点を置いています。 ガスデータ出力が TLV に達するかそれを超えると、ガス監視システムが鉱山の安全対応チームに警告します5。

最新の文献によると、現在の研究は主に機械学習 (ML) (深層学習を含む) アプローチを使用して、ガス濃度の TLV の超過を回避するための警告を探索したりモデルを予測したりすることに焦点を当てていることが示されています。 しかし、以前の研究での包括的な文献レビューでは、現在の石炭監視システム モデルでガス排出とガス濃度を予測するために ML 手法を使用する場合、少なくとも 3 つの重大な制限があるようです 5,6。 これらには、不十分な (データセット) 入力が結果として不適切な出力、不正確に解釈された予測結果、ML モデルの効率と有効性を向上させるためのコンピューティング ハードウェアのコストが高くつくことが含まれます5。 収集された炭鉱データを利用するシステムについて完全に報告している出版論文はありません。 ガス濃度と他のデータとの相関関係を解明し、それらをガス濃度の予測に適用する試みは行われていません4。 したがって、以前の研究では、ガスとガス、ガスと温度、ガスと風の間に重要な関係があることが示された、革新的な統合ガス警報システムを開発するためのトリップ相関分析理論フレームワークが開発されました5。 ただし、他の炭鉱の事例でも採用される可能性があるトリップ相関分析の理論的枠組みの有効性を検討する必要があります。

この研究の目的は、ガス警報システム開発のためのトリップ相関分析理論フレームワークの堅牢性を検証するために、提案された検証分析アプローチ、つまり第一ラウンド、第二ラウンド、検証ラウンド (FSV) 分析アプローチを調査することです。 ケーススタディや相関研究など、定性的および定量的な混合研究手法が採用されています。 以下のセクションでは、データ ソース、方法、結果、議論、結論、およびデータの利用可能性に焦点を当てます。