面向过程安全的 BiTCN-BiGRU-注意力预测至 DBN 证据框架用于地下煤矿甲烷超限预警与安全屏障推理

《Process Safety and Environmental Protection》：A process-safety-oriented BiTCN-BiGRU-Attention prediction-to-DBN evidence framework for methane over-limit warning and safety-barrier reasoning in underground coal mines

　　

摘要：甲烷超限是过程安全的先兆，其升级受有害气体积聚、通风性能、监测可靠性、人员和设备状态，以及预防和缓解屏障的及时可用性等因素控制。现有的甲烷预测研究和贝叶斯风险模型通常作为独立阶段报告，因此从数值预测到动态风险证据的转化往往缺乏充分的正式化。本研究开发了一个时间一致的预测到动态贝叶斯网络（DBN）证据框架，该框架结合了BiTCN-BiGRU-Attention预测、有向加权机制网络、Bow-tie逻辑和基于屏障的概率推理。公共矿井数据集包含来自28个传感器的9,199,930条一秒观测记录。采用600秒闭合历史窗口，5、10、15和30分钟的预测值在五分钟切片宽度下映射到DBN切片t+1、t+2、t+3和t+6；所有双向操作严格保持在历史窗口内部。参考架构包含三个BiTCN残差块、一层双向GRU和加性注意力，预测到风险的接口将浓度、超限概率和短期趋势转换为五个显式状态（正常、关注、警告、危险和紧急），然后转化为软似然证据。机制层揭示了一个包含30条边的有向加权核心网络、中心性度量及社区角色；DBN层揭示了其五状态转移矩阵、证据似然规则、代表性完整条件概率表（CPT）、36切片传播逻辑和屏障转换。计算画像显示可训练参数为105,161个，参考操作数为8425.1万，600×7输入下CPU前向传播延迟中位数为13.939毫秒。在指定的条件DBN场景下，180分钟时危险或紧急状态的概率在无干预条件下为0.553，在联合屏障条件下为0.318，对应的条件降低为42.43%；这些量被明确解释为场景输出而非现场效果估计。预测比较仅作描述性解释，而网络、DBN场景和计算输出可基于附带文件独立复现。本研究的贡献在于构建了一个可追溯的过程安全接口，将预测、概率诊断和安全屏障推理联系起来，同时保持实证证据、解释性证据和场景证据的区分。

引言：地下煤炭生产中的甲烷积聚既是一个动态预测问题，也是一个过程安全先兆。浓度上升的危险性不仅在于可能超过数值阈值，还在于它可能与通风不足、异常放气、监测或报警失效、点火源暴露、电力隔离延迟、撤退无效和应急控制薄弱同时发生（Wu等，2024；Tong等，2025；Jin等，2025；Markowski和Kotynia，2011；Khakzad等，2013；Badreddine和Amor，2013；Guo等，2021；Adedigba等，2017；Yu等，2022；Yu等，2021）。因此，实际的决策问题超出了预测下一个浓度值。面向安全的系统必须提供足够的提前量、避免危险的漏报警、识别与可用证据最相符的机制或屏障状态，并在升级前将警告转化为技术上可行的行动。

两条方法路线大体上并行发展。过程安全研究使用事故案例、复杂或拓扑网络、Bow-tie模型和贝叶斯网络来表示威胁、屏障、后果和概率依赖关系（Wu等，2024；Tong等，2025；Jin等，2025；Markowski和Kotynia，2011；Khakzad等，2013；Badreddine和Amor，2013；Guo等，2021；Bastian等，2009；Pearl，1988；Koller和Friedman，2009；Adedigba等，2017；Yu等，2022；Yu等，2021；Brodny等，2026）。这些方法在机制解释、诊断推理和控制层解释方面表现突出，但通常依赖于历史事件、结构化判断或静态证据。相比之下，甲烷预测研究使用统计时间序列模型、循环网络、时间卷积、注意力和类似Transformer的架构来学习高频传感器序列的短期演化（Diaz Martinez等，2022；Brodny等，2022；Tutak等，2024；Yang等，2020；Xu等，2026；Li和Xu，2026；Cho等，2014；Bai等，2018；Vaswani等，2017；Peng等，2023；Yuan，2026）。它们在时间表示方面表现突出，但仅凭预测精度无法揭示警告是否与通风恶化、监测不可靠、管理控制或后果缓解屏障失效相关联。

另一个问题是时间和证据一致性。多时间尺度预测器可以输出5、10、15和30分钟的预测值，而DBN需要明确的时间切片定义和将连续模型输出转化为概率证据的规则。如果这两个时间轴不对齐，风险曲线可能看似动态，实际上却混合了不兼容的时间尺度。同样，如果将神经注意力系数解释为因果因素，或者将条件屏障场景描述为实测现场效果，则表面的可解释性超过了证据所能支持的范围。这些问题促使本研究强调可追溯的证据接口，而非又一种组件叠加的声明。

因此，该框架区分了四类证据。公共数据事实定义了传感器系统、采样间隔和基准阈值。保留的预测输出描述了本研究所可用的实证预测层。重新计算的网络和计算量基于公开的结构和代码生成。DBN和屏障量为受显式矩阵和假设控制的条件场景结果。将这些类别分开使得在不将假设转化为观测的情况下加强过程安全推理成为可能。

主要贡献包括：
- 一个具有五分钟切片宽度、显式五状态边界、趋势升级和软证据更新的 时间一致预测到DBN证据接口。
- 一个可复现的有向加权机制核心网络，其30条边、语义、序数权重、中心性计算和社区贡献均以机器可读文件形式公开。
- 一个显式的五状态转移矩阵、证据似然矩阵和屏障状态转换，支持在36个五分钟步骤上的前向滤波和敏感性分析。
- 参考实现的可复现计算画像，包括参数计数、操作数和CPU延迟，而非关于可部署性的定性陈述。
- 严格的证据状态分离，区分公共数据事实、预测输出、重新计算的结构/计算结果和条件DBN/屏障场景，防止场景量被解释为经过现场验证的效果。

甲烷预测与面向安全的预测：甲烷预测已从自回归和统计公式发展到非线性多元模型。经典的ARIMA类方法仍然有价值，因为其滞后结构、残差假设和失效模式是透明的（Diaz Martinez等，2022；Box等，2015）。神经和神经模糊方法改进了甲烷、气流和环境变量之间非线性耦合的表示（Brodny等，2022；Tutak等，2024；Yang等，2020）。

公共甲烷数据与时间序列样本构建：源数据集包含9,199,930条一秒观测记录，来自2014年3月2日至6月16日在波兰上西里西亚煤田（50.066，18.438）一座矿井中收集的28个地下矿井传感器数据（Kozielski等，2021；Sikora和Wróbel，2021；?l?zak等，2018）。三个目标甲烷计量器为MM263、MM264和MM256。公共数据集描述将这些计量器置于监测长壁最暴露的部分，此处开采期间释放的甲烷容易积聚。

BiTCN-BiGRU-Attention预测架构与泄露控制：参考预测器接收X∈?^(600×7)，其中600个样本是紧邻预测起点的闭合历史区间。BiTCN分支使用三个残差时间卷积块，核大小为3，64个通道，膨胀因子分别为1、2和4，每个残差块内使用ReLU激活。历史序列的正向和反向副本以共享的结构设置进行处理，然后在循环编码前重新对齐。反转操作仅

泄露控制的预处理和样本构建：样本构建协议按时间顺序且进行泄露控制。首先按时间戳对行进行排序。发布的一体化环境表无需额外插补即可使用；物理上不可能或已记录超范围的读数被标记以便筛查，而非自动通过插值替换。原始序列的前70%定义为训练期，接下来的15%为验证期，最后15%为测试期。窗口仅在

多时间尺度预测行为：图9展示了一个反变换的示例，显示了预测时间尺度与局部跟踪之间的预期权衡。来自不同传感器/时间段的更高幅度示例见图S1。这些示例用于说明时间尺度相关的跟踪行为，不被视为独立的事件级验证实验。

主要预测示例使用单个传感器/时间段和所有时间尺度的通用浓度比例。随着提前量

方法贡献与过程安全含义：主要方法贡献在于证据接口而非单个学习组件。TCN、GRU、注意力、Bow-tie和DBN均为已建立的方法。贡献在于声明它们的输出和状态如何连接：闭合历史序列被映射到显式多时间尺度预测；每个时间尺度被分配到一个五分钟DBN切片；浓度、概率和趋势转化为软状态似然；该似然更新指定的动态

结论：本研究开发了一个面向过程安全的甲烷预警框架，将多时间尺度传感器预测与显式动态贝叶斯证据模型和安全屏障推理联系起来。该框架围绕显式证据接口而非简单的模型叠加来组织。600秒闭合历史窗口被映射到5、10、15和30分钟的预测输出，这些输出与五分钟DBN时间尺度对齐。

BiTCN-BiGRU-Attention参考

利益冲突声明：作者声明不存在任何已知的可能影响本论文所报告工作的竞争性财务利益或个人关系。

数据与代码可用性：甲烷监测数据可从Mendeley Data公开获取（版本1，DOI 10.17632/yd7vw4c5mk.1），并由Kozielski等人（Kozielski等，2021）描述。随附的可复现性包包含公共数据审计、有向网络边列表、边语义/选择审计、中心性/社区输出、DBN转移和证据矩阵、代表性CPT、屏障场景轨迹、参考超参数、模型复杂度画像以及

利益冲突声明：作者声明不存在任何已知的竞争性财务利益。

Yu Kaiwang | Wei Jiang