False-Alarm-Controlled Evaluation of Gas Indices and Deep Learning for Early Detection of Coal Spontaneous Combustion

Profondément sous terre, là où les veines de charbon gisent cachées sous des tonnes de roche, un danger lent et invisible peut commencer. Le charbon ne se contente pas de rester là ; il respire. Avec le temps, il réagit avec l'oxygène de l'air, un processus appelé oxydation qui génère de la chaleur. Habituellement, cette chaleur se dissipe dans la roche environnante et le flux d'air. Mais parfois, la chaleur s'accumule plus vite qu'elle ne peut s'échapper, provoquant l'auto-inflammation du charbon sans aucune étincelle. Ce phénomène, connu sous le nom de combustion spontanée, est l'un des dangers les plus anciens et les plus persistants dans les mines. Il peut transformer une mine productive en une zone de catastrophe isolée, libérant des gaz toxiques et des émissions de gaz à effet de serre qui persistent pendant des décennies. Parce que l'incendie commence lentement, sans fumée ni flamme visible, les mineurs dépendent entièrement de l'air lui-même pour leur dire que quelque chose ne va pas. Depuis plus d'un siècle, la manière standard d'écouter cet air consiste à mesurer des gaz spécifiques et à les comparer à l'aide de rapports mathématiques simples. Le plus célèbre d'entre eux est un calcul appelé l'indice de Graham, qui compare la quantité de monoxyde de carbone dans l'air à la quantité d'oxygène qui a été consommée. Si le rapport devient trop élevé, il est censé signaler un incendie.

Cependant, une nouvelle étude d'Ulas Cinar, de l'Université Canakkale Onsekiz Mart, suggère que cette méthode de longue date peut être fondamentalement erronée lorsqu'elle est utilisée comme système d'alarme automatique. La recherche ne se contente pas d'examiner si ces méthodes peuvent détecter un feu lorsqu'il brûle déjà ; elle pose une question plus difficile : à quelle fréquence hurlent-elles « feu » alors qu'il n'y a que de l'air calme ? Dans le monde de la surveillance de la sécurité, une alarme qui sonne constamment est pire que l'absence d'alarme, car les travailleurs finissent par l'ignorer. Cinar a développé une nouvelle façon de tester ces systèmes de mise en garde qui les force à prouver qu'ils peuvent distinguer une menace réelle d'une fausse alerte. En effectuant des milliers de simulations informatiques de l'air minier, puis en testant les méthodes contre des enregistrements réels provenant de trois mines de charbon différentes, l'étude a révélé que l'indice de Graham traditionnel échoue complètement dans ces conditions strictes. En fait, l'étude révèle que l'indice se comporte souvent exactement de la manière opposée à celle attendue : il sonne le plus fort lorsqu'il n'y a pas de feu, et reste silencieux lorsqu'un incendie est réellement en cours.

Le cœur du problème réside dans les mathématiques derrière l'indice. L'indice de Graham divise la quantité de monoxyde de carbone par le « déficit d'oxygène », qui est simplement la différence entre la quantité normale d'oxygène dans l'air frais et la quantité actuellement présente dans la mine. Dans les tunnels bien ventilés où l'air frais circule librement, le déficit d'oxygène est minuscule, souvent proche de zéro. Lorsque vous divisez un nombre par un nombre qui est presque nul, la moindre erreur de mesure provoque l'explosion du résultat en une valeur énorme et dénuée de sens. C'est comme essayer de mesurer un infime changement dans un océan vaste en observant une seule goutte ; les mathématiques deviennent instables. Dans les simulations, cette instabilité signifiait que l'indice sautait fréquemment à des niveaux d'alarme pendant des périodes parfaitement normales et sans feu. Lorsque les chercheurs ont appliqué ce test à des données minières réelles, l'échec fut encore plus spectaculaire. Dans sept des treize épisodes sans feu dans des zones ventilées, l'indice a grimpé jusqu'à des valeurs de 44, bien au-dessus du seuil d'alarme standard de 1,0. Pendant ce temps, dans deux incendies confirmés se déroulant derrière des parois scellées, l'indice n'est jamais monté au-dessus de 0,50. Le système hurlait aux mauvais moments et restait silencieux aux bons moments.

Pour résoudre cela, l'étude a introduit un nouveau protocole qui traite chaque méthode d'avertissement, qu'il s'agisse d'une simple formule mathématique ou d'un programme informatique complexe, comme un score continu plutôt que comme un interrupteur fixe. Les chercheurs ont ensuite demandé : « Si nous réglons la sensibilité de ce système de sorte qu'il ne déclenche une fausse alarme que 10 % du temps, combien de vrais feux détecte-t-il ? » Cette approche nivelle le terrain de jeu, forçant chaque méthode à prouver sa valeur sous les mêmes règles strictes. Lorsqu'ils ont appliqué ce test aux données simulées, l'indice de Graham n'a détecté aucun feu à un niveau de réglage qui maintenait les fausses alarmes basses. Il n'était tout simplement pas un détecteur fiable. L'étude a également testé des modèles informatiques avancés connus sous le nom de réseaux d'apprentissage profond (deep learning), conçus pour apprendre des modèles à partir de vastes quantités de données. Ces modèles ont été entraînés sur les données d'air simulées, puis testés sur les registres réels des mines sans aucun ajustement supplémentaire. Les résultats ont montré que, bien que ces modèles complexes puissent détecter certains feux, ils ne sont pas nettement plus performants qu'une approche beaucoup plus simple : surveiller le niveau de monoxyde de carbone seul.

Dans le test en conditions réelles, un simple seuil sur le capteur de monoxyde de carbone a détecté les trois incendies confirmés, fournissant une alerte en moyenne 345 heures avant que l'incendie ne soit officiellement confirmé par des capteurs de température. Les modèles informatiques complexes ont détecté deux des trois incendies, avec des délais similaires. L'étude conclut que la complexité ajoutée des modèles d'apprentissage profond n'a pas se traduit par une meilleure performance de sécurité dans ce contexte spécifique. Le signal d'un incendie en développement est si fort dans les niveaux de monoxyde de carbone qu'une vérification simple est souvent suffisante, à condition que le système soit réglé pour éviter les fausses alarmes. L'échec de l'indice traditionnel n'était pas dû à un manque de compréhension chimique, mais plutôt à une faiblesse numérique qui le rend inutile comme alarme autonome dans les zones ventilées. Les chercheurs suggèrent que l'industrie doit s'éloigner de la dépendance à ces rapports instables pour les avertissements automatiques. Au lieu de cela, ils recommandent d'utiliser la concentration brute de monoxyde de carbone, peut-être avec une règle simple pour ignorer les données si les niveaux d'oxygène sont trop élevés pour rendre le calcul significatif.

L'étude souligne également une limite dans la manière dont la recherche sur la sécurité est souvent rapportée. De nombreux articles précédents prétendent une grande précision pour leurs modèles en mesurant la capacité de ces derniers à prédire les niveaux de gaz ou en les testant uniquement lors de jours où un incendie était connu pour avoir eu lieu. Cette approche cache le fait qu'un système pourrait faire sonner l'alarme chaque jour lorsqu'aucun incendie n'existe. En insistant sur la mesure du taux de fausses alarmes parallèlement au taux de détection, cet article montre qu'une méthode peut paraître parfaite sur le papier tout en étant inutile en pratique. Les conclusions sont basées sur une combinaison de simulations informatiques et d'un petit ensemble de registres miniers réels, ce qui signifie que les résultats sont spécifiques aux conditions testées. L'étude ne prétend pas que l'apprentissage profond est inutile pour la sécurité minière, mais plutôt que dans cette tâche spécifique, un contrôle de capteur simple et bien réglé surpasse un ratio complexe sujet à des erreurs mathématiques. L'objectif ultime est de garantir que lorsqu'une alarme retentit dans une mine, c'est un signal qui exige une attention immédiate, et non un bruit qui a été ignoré pendant des années.