트리플의 견고성을 검증하기 위한 FSV 분석 접근법

Aug 08, 2023

Scientific Reports 13권, 기사 번호: 9621(2023) 이 기사 인용

195 액세스

측정항목 세부정보

가스재난 중 임계한계값(TLV)을 초과하는 가스 농도가 사고의 주요 원인이 되어왔다. 그러나 대부분의 시스템은 여전히 ​​지질 조건 및 석탄 채굴 작업면 요소에 대한 영향의 관점에서 가스 농도의 TLV에 도달하거나 초과하는 것을 방지하기 위한 방법 및 프레임워크를 탐색하는 데 중점을 두고 있습니다. 이전 연구에서는 트립 상관 분석 이론 프레임워크를 개발하고 가스 모니터링 시스템에서 가스와 가스, 가스와 온도, 가스와 바람 사이의 강한 상관 관계를 발견했습니다. 그러나 이 프레임워크의 효율성을 조사하여 다른 탄광 사례에 채택될 수 있는지 여부를 결정해야 합니다. 본 연구는 가스 경고 시스템 개발을 위한 트립 상관 분석 이론 프레임워크의 견고성을 검증하기 위해 제안된 검증 분석 접근법인 1차-2차-검증 라운드(FSV) 분석 접근법을 탐색하는 것을 목표로 합니다. 사례 연구 및 상관 연구를 포함하여 혼합된 질적 및 양적 연구 방법론이 채택되었습니다. 결과는 삼중 상관 분석 이론 프레임워크의 견고성을 검증합니다. 결과는 이 프레임워크가 다른 경고 시스템을 개발하는 데 잠재적으로 가치가 있음을 의미합니다. 제안된 FSV 접근 방식은 데이터 패턴을 통찰력 있게 탐색하고 다양한 산업 응용 분야에 대한 경고 시스템을 개발하기 위한 새로운 관점을 제공하는 데 사용될 수도 있습니다.

세계 최대 석탄 생산국인 중국의 탄광 산업은 2020년 전 세계 석탄 생산량의 약 46%를 차지했습니다1,2. 가스 사고는 심각한 수준이므로 중국의 석탄 채굴 업계 관리자가 해결해야 합니다3. 모든 가스 재해 중에서 TLV(한계값)를 초과하는 가스 농도가 사고의 주요 원인이 되어 왔습니다4. 따라서 실시간 TLV를 위한 가스 모니터링 시스템이 중국 탄광에 채택되었습니다. 그러나 대부분의 시스템은 여전히 ​​지질 조건 및 석탄 채굴 작업면 요소에 대한 영향의 관점에서 가스 농도의 TLV에 도달하거나 초과하는 것을 방지하기 위한 방법 및 프레임워크를 탐색하는 데 중점을 두고 있습니다. 가스 데이터 출력이 TLV에 도달하거나 초과하면 가스 모니터링 시스템이 광산의 안전 대응팀에 경고합니다5.

최신 문헌에 따르면 현재 연구는 주로 기계 학습(ML)(딥 러닝 포함) 접근 방식을 사용하여 경고를 탐색하거나 가스 농도의 TLV 초과를 방지하기 위한 모델을 예측하는 데 중점을 두고 있습니다. 그러나 이전 연구의 포괄적인 문헌 검토에서는 ML 방법을 사용하여 현재 석탄 모니터링 시스템 모델에서 가스 배출 및 가스 농도를 예측하는 데 최소한 세 가지 중요한 제한 사항이 있는 것으로 보입니다5,6. 여기에는 부적절한 출력을 초래하는 열악한 (데이터 세트) 입력, 부정확하게 해석된 예측 결과, ML 모델의 효율성과 효과를 향상시키기 위한 높은 컴퓨팅 하드웨어 비용이 포함됩니다5. 수집된 탄광 데이터를 활용하는 시스템에 대해 완전히 보고하는 출판된 논문은 없습니다. 가스 농도와 기타 데이터 사이의 상관관계를 밝히고 이를 가스 농도 예측에 적용하려는 시도는 이루어지지 않았습니다4. 따라서 이전 연구에서는 가스와 가스, 가스와 온도, 가스와 바람 사이의 중요한 관계를 나타내는 혁신적인 통합 가스 경고 시스템을 개발하기 위한 트립 상관 분석 이론 프레임워크를 개발했습니다5. 그러나 다른 탄광 사례에도 적용할 수 있는 이동 상관 분석 이론 프레임워크의 유효성을 검토할 필요가 있습니다.

본 연구는 가스 경고 시스템 개발을 위한 트립 상관 분석 이론 프레임워크의 견고성을 검증하기 위해 제안된 검증 분석 접근법인 1차-2차-검증 라운드(FSV) 분석 접근법을 탐색하는 것을 목표로 합니다. 사례 연구 및 상관 연구를 포함하여 혼합된 질적 및 양적 연구 방법론이 채택되었습니다. 다음 섹션에서는 데이터 소스, 방법, 결과, 토론, 결론 및 데이터 가용성에 중점을 둡니다.