引言
随着时代的发展，智能化技术已经广泛地应用在传统工业中，智能化的融入带动了传统工业发展的进步。新时代的发展对于煤矿开采技术要求越来越严格，传统的技术并不适合新时代的发展，所以需要对传统技术进行优化和提升。在煤矿开采过程中，每个环节都相对复杂，需要用到煤矿采煤机，传统的开采方法效率过慢，需要将智能化融入煤矿采煤中，这有助于关键技术发挥其作用。本文分析了智能化煤矿数据特征，阐明了煤矿数据的特点，构建了一套完整的数据治理方法体系，以期为智能化煤矿数据治理实践提供理论指导。
1主要数据治理方法
1)单变量方法。该方法基于少数指标的变化状态反映分析对象状态的变化，其基本特征：需要建立一个起中介作用的新指标，再将这一指标的值和类似对象的历史数据综合对比，最终确定对象状态；所选用指标的权重在实际分析时不存在差异。该方法一般只能保证一定的短期效果，基本不适用于非线性系统的分析，已经被逐步淘汰。2)多变量统计分析方法。与单变量方法相对，多变量判别方法往往采用多个指标作为自变量，其特点是以已有样本的统计分析结果为依据，发掘其中的规律，从而判定待检样本的状态。多变量分析方法弥补了单变量方法的不足，增强了准确性和适用性，得到了广泛应用。判别分析方法、PCA、各类回归分析方法等都是典型的多变量统分析方法。3)智能模式识别方法。该方法基于计算机自动分析样本特征，从而智能高效地将具有类似特征或相同属性的样本划分至特定的类别。智能模式识别与人工智能具有高度的相关性，本质上说，从简单的线性回归方法到以SVM、RS、概率模型等为代表的机器学习算法和以神经网络为核心的深度学习算法都可以归纳至智能模式识别的范畴。4)系统动力学模型。系统动力学是研究系统内外部动态行为的一种仿真方法，适用于非线性、高阶次、多变量、多重反馈的复杂系统。系统动力学集合了系统论、控制论及信息论的精髓，主要从系统本身结构和系统内各要素的相互作用来解释或预测系统的行为，构建完善的系统动力学模型往往需要经历多次迭代。5)综合集成模型。由于各类模型具有各自的优缺点和适用情境，将多个辨识方法或模型通过集成技术融合在一起，既可以拓宽模型的应用场景，还能起到扬长避短的作用。综合集成模型的发展趋势：与人工智能技术深度结合，以充分发挥计算机的智能优势；建立更加全面的指标体系，避免单一指标的片面影响。
2发展现状
我国煤矿开采技术经过过去四十多年的发展，全国煤矿综合机械化、煤炭开采和利用等技术取得了重大的进步，煤炭生产力和安全生产水平大幅度提升，安全高效矿井机械化程度达到90%以上，单机自动化也日趋完善，建成了一批千万吨级矿井群，并开发了初级的多系统数字矿山综合自动化系统。煤矿智能也从矿山自动化、信息化、数字化逐步开始发展。《中国煤矿智能化发展报告》显示，近十年来，智能化开采技术取得了显著进展，研发了适应不同地质条件、不同开采环境、不同开采方式的综采成套技术与装备。我国已有200多个工作面实现了不同水平的以“记忆截割为主，人工干预为辅，无人跟机作业，有人安全巡视”为特征的智能化开采，煤矿正处于数字化矿山向智能化矿山的过渡期。随着科技水平的提高，智能化的程度也将不断提升。以华亭煤业公司为例，近年来，公司煤矿生产系统优化，技术装备不断提升，信息技术不断应用，为改变传统煤炭开采和智能煤矿发展提供了条件。（1）生产系统进一步优化。近年来，在国家“一优三减（优化系统、减面、减产、减人）”实施方案的推动下，公司针对矿区煤层地质条件和开采技术，加大“学习、研究、应用、创新”科技强企步伐，优化生产系统、工艺管理、图纸设计、劳动组织，使煤矿生产布局更加合理、系统更加完善、灾害治理更加超前、生产管理更加科学。（2）子系统自动化改造大力推进。按照“机械化换人、自动化减人”专项行动要求，公司不断推进自动化、数字化矿井建设。生产安全监控、通信联络、视频监控等安全生产保障系统不断升级完善，机电装备自动化程度不断提高。（3）数字化矿井不断建设。公司先后建成了覆盖井上下的工业网络、信息监控处理中心以及大屏幕显示系统。以实现办公现代化、管理信息化、矿山数字化为目标的信息化管理系统得到了广泛应用，提升了公司安全生产和经营管理的水平。
3智能化煤矿数据治理关键问题
3.1数据质量和数据安全体系管理规则设计
数据质量和数据安全是智能化煤矿数据重要的内在价值维度，是数据治理和数据管理共同关注的重要能力域。智能化煤矿数据质量和数据安全管理尚缺乏健全完善的管理规则体系，使得数据质量和数据安全管理缺乏必要的落地实施规范。数据质量体系管理规则的建设需重点关注智能化煤矿数据质量评估规则、数据质量问题识别规则、全生命周期数据质量监管规则的设计，确保智能化煤矿数据满足完整性、准确性、唯一性、一致性、有效性和及时性等数据质量要求。数据安全体系管理规则的建设需根据智能化煤矿数据安全风险表征和数据权限配置要求构建数据安全风险分类分级体系，建立数据安全隐患排查和风险评估机制，完善全生命周期的数据安全监管规则。
3.2数据价值运动规律揭示
数据价值运动规律的揭示需深刻认识和科学回答3个关键问题：①回答煤矿数据的价值需求是什么，以识别多元数据治理主体进行数据治理的动机并构建分类分级的数据资产体系。②回答架构在煤矿数据价值之上的权责利关系应如何配置和流转，以确保多元数据治理主体的目标和行为一致并有效规避数据安全风险，最大化煤矿数据价值。③回答煤矿数据的价值应如何量化评估，以奠定煤矿数据企业融合、行业共享和社会开放的基础。
结束语
综上所述，智能化、数字化是各行各业发展过程中的突出核心要点，为适应时代发展要求提高煤矿生产以及管理水平，应不断提升煤矿智能化建设成效，在智能化技术支持下，确保各项工作达到标准。基于高质量的发展目标，应根据煤矿管理的实际情况完善技术方案，并以问题为导向制定煤矿智能化建设方案，及时规避相应的风险问题，同时，应在保障煤矿智能化建设安全基础上提升其整体效率。
参考文献
[1]王成.浅谈建设煤矿安全智能化的具体措施[J].产业创新研究,2021(22):120-122.
[2]韩安,陈晓晶,贺耀宜,高文.智能矿山综合管控平台建设构思[J].工矿自动化,2021,47(08):7-14.
[3]疏礼春.智能煤矿数据中台架构及关键技术研究[J].工矿自动化,2021,47(06):40-44.
[4]何敏.智能煤矿数据治理框架与发展路径[J].工矿自动化,2020,46(11):23-27.
[5]王鹏.智慧矿山安全管控大数据平台建设探讨[J].煤炭工程,2020,52(08):154-158.
作者简介：蔡毅（1984-），四川省宜宾市人，工程师，本科。2004年毕业于重庆大学电子信息工程专业，主要从事瓦斯监测系统现场应用技术、仪器仪表、综合自动化等方面的研究与技术推广等工作。