来源：期刊VIP网 时间：
作者：张智星;付翔;张小强;李浩杰;秦一凡;刘萌;孙岩;贾一帆;杨宇琪;
单位：太原理工大学矿业工程学院;山西焦煤集团有限责任公司博士后工作站;智能采矿装备技术全国重点实验室;
摘要：煤矿生产过程的智能化主要依托于人工智能（AI）技术分析煤矿工业数据，但单一应用场景AI模型无法适用于煤矿复杂的应用场景，且仅使用分布式计算来处理AI模型输入特征值会导致模型应用效率降低。针对上述问题，提出了一种煤矿工业数据AI模型自动推理技术。该技术架构包括数据层、计算驱动层和模型推理层：数据层采集各类监测数据并统一存储，为计算驱动层提供原始数据；计算驱动层将数据层采集的海量原始数据转换成煤矿应用场景AI模型输入特征值，通过煤矿应用场景AI模型输入特征值双计算引擎自动切换机制，根据数据量自动合理地选择使用基于Spark的分布式计算方式或基于Python的单机计算方式，解决了海量数据计算速度慢、数据应用延迟大的问题；模型推理层将特征值输入应用场景AI模型进行推理，引入煤矿应用场景AI模型多触发方式协同推理机制，通过定时触发、人为交互触发、信号反馈触发3种触发方式，解决了在煤矿复杂的应用条件下单一应用场景AI模型利用效果差的问题。测试和应用结果表明，该技术可实现多应用场景AI模型输入特征值的快速计算，以及不同应用场景AI模型的快速、自动、协同推理。
关键词：煤矿人工智能;煤矿工业数据;AI模型推理;海量数据计算;AI模型应用
基金资助：国家自然科学基金项目（52274157）; “科技兴蒙”行动重点专项项目（2022EEDSKJXM010）; 国家重点研发计划项目（2020YFB1314004）
