基于ISM和AHP的硫化矿石自燃危险性分析

阳富强，刘广宁，黄贤煜

(福州大学环境与资源学院，福建 福州 350116)

基于ISM和AHP的硫化矿石自燃危险性分析

阳富强，刘广宁，黄贤煜

(福州大学环境与资源学院，福建 福州 350116)

为系统了解硫化矿石自燃的影响因素，从人-物-环-管四个方面找出18个硫化矿石自燃的影响因子. 运用系统工程理论，建立硫化矿石自燃影响因素的6级多层递阶解释结构模型(ISM)，采用层次分析法(AHP)确定各指标权重. 研究表明，多层递阶ISM能有效地表达硫化矿石自燃影响因素的结构，18个影响因子可以分为6个层级，直观地反映出各个影响因素之间的层级及相互关系； AHP法求解出影响硫化矿石自燃的各级指标权重，表明矿石自身特性是影响硫化矿石自燃的决定性要素，管理则是深层次要素.

硫化矿石； 自燃； 解释结构模型； 层次分析法

0 引言

高硫矿山开采过程中，爆破堆积的硫化矿石若未及时运出，其将与空气接触后会发生氧化反应并释放大量热，可能引发硫化矿石自燃灾害[1-2]. 国内东乡铜矿、铜官山铜矿、大厂铜坑矿，国外日本下川铜矿、西班牙呼尔瓦黄铁矿、美国克罗克矿等矿山都曾因硫化矿石自燃引发重大安全事故，严重威胁矿工生命安全,并造成重大的经济损失[3]. 目前有关硫化矿石自燃的机理还未形成一致的认识[4]，需进一步分析引起矿石自燃的因素及各因素间的联系，从而有效指导实验研究,并构建可靠的安全评价体系.

解释结构模型(interpretative structure model,ISM)作为系统工程的分析方法，已成功应用于公路突发地质灾害应急机制的构建[5]、特种设备安全监管体系构建[6]、公路隧道火灾事故致因研究[7]、煤矿安全政策控灾作用分析[8]等领域. 该方法将系统分为若干子系统，分步构成一个多级递阶结构模型，使得复杂问题简单化，进而通过模型结构找出最重要的影响因素，可应用于分析具有较多影响因素的体系[9-11].

本研究拟应用系统工程中的ISM方法，分析影响矿石自燃的各个因素之间的相互联系，建立硫化矿石自燃的ISM模型，找出影响矿石自燃的直接原因、间接原因以及深层次原因； 进一步利用层次分析方法(analytic hierarchy process,AHP)计算出各级指标的权重，这对构建硫化矿石自燃危险性评价模型，制定安全对策有着重要的指导意义.

1 ISM建模方法概述

ISM模型是通过系统元素间相互影响的分析，将复杂的系统问题分解成为具有层次性的阶梯结构，该方法是美国沃菲尔德于1973年提出的一种分析复杂社会经济系统的方法[11]. 基于ISM理论的思想[10]，构建硫化矿石自燃的ISM模型，即找出影响硫化矿石自燃的因子，并根据各因子间关系建立邻接矩阵、可达矩阵，最后得出多级递阶ISM模型并提出合理的解决措施.

2 硫化矿石自燃的ISM模型分析

2.1 因素选取

基于硫化矿石的自燃特性，参阅相关资料文献[3-4,12]，从人-物-环-管四个角度选取18个硫化矿石自燃的影响因子，构建相应的ISM模型，18个影响因素如表1所示.

表1 硫化矿石自燃F1的因素集体系

2.2 邻接矩阵生成

根据各个元素之间的相互影响关系，对18个影响因子进行两两比较，若因素间有直接关系用1表示； 若各要素之间没有直接关系用则0来表示，邻接矩阵元素如式(1)所示. 硫化矿石自燃的邻接矩阵为R.

2.3 可达矩阵构建

可达矩阵是指有向连接图节点间的可达程度，将相邻矩阵R与单位矩阵I相加后验算求得，如式(2)所示.

R1=R+I；R2=[R+I]2； …；

运用布尔代数运算规则(0+0=0，0+1=1，1+0=1，1+1=1； 0×0=0，0×1=0，1×0=0，1×1=1)进行计算，直到满足：

经计算，得到：M=R6=R7.

2.4 可达矩阵分解

在分解可达矩阵的计算过程中，要先找出各要素的可达集M(Fi)，即从要素Fi出发可以到达的全部要素的集合； 先行集N(Fi)，即可以到达要素Fi的全部元素的集合； 当M(Fi)∩N(Fi)=M(Fi)时，所有满足条件要素Fi属于1级. 从初始矩阵M去除含有元素Fi的各行各列后得到新矩阵M1，对矩阵M1进行相同的计算操作，得出所有满足条件的2级要素和新的矩阵M2. 其他几级的操作也基本相同，求出各级要素后分到相应的级别上.

2.5 结构模型分析

缩减并层次化处理M矩阵，得出多级递阶的ISM模型，如图1所示. 影响硫化矿石自燃的因素体系是一个复杂系统，具有多层递阶结构，包括硫化矿自燃在内的19个要素分成6层. 硫化矿石自燃是第一层要素，它是所有要素的汇点，但受第二层表层初级原因，如矿石块度F9、环境pH(F13)、微生物作用F15、水溶性铁离子含量F8、含水率F7、痕量元素F10和环境湿度F14等因素影响. 这表明硫化矿山开采过程中矿石自燃与其自身的物理化学性质紧密相连.

图1 硫化矿石自燃的ISM模型

第三层包括化学组成F6、晶体结构F5、环境氧气浓度F11和环境温度F12. 其中,晶体结构和环境氧气浓度、环境温度对于矿石氧化有显著影响. 晶体结构影响矿石的破碎程度，环境氧气浓度影响矿石氧化速率和微生物的活性，环境温度影响矿石氧化后的散热量. 环境湿度对于矿石自燃影响表现出两面性，一方面可以促进氧化反应的正向进行，另一方面高水分也有利于热量的散发. 第四层和第五层分别为通风控制F4、地质条件F16和采矿方法F3，属于中层影响因素,良好的通风效果可以极大降低矿石的自燃隐患，但通风同时又为矿石氧化提供了新鲜空气[3].

最后一层是深层根本影响因素，涉及管理制度F17、安全监管F18、安全教育及技能培训F19以及安全意识F2，它们是影响矿井开采过程中矿石自燃的基础性条件. 硫化矿石自燃由人、物、环境、管理等因素综合作用引起. 要防治矿石开采过程中的自燃灾害，必须提高采矿技术条件，提升工作人员的安全意识，加强开采规划和开采现场的监督管理工作，完善安全责任机制.

3 AHP方法分析

ISM分析方法只能定性分析硫化矿石自燃影响要素之间的关系，采用AHP分析法对硫化矿石自燃的影响因子进行量化处理，明确各个影响因子的权重. AHP法[13-14]是美国运筹学家萨蒂(T L Satty)提出的一种定性与定量分析相结合的多目标决策分析方法. 运用AHP中 的标度法(见表2)对表层直接影响因素进行成对比较，以相对重要性为参照给出因素间的标度值，构造出对应的判断矩阵，并据此计算出权向量，最后将对所得权向量进行一致性的检验. 由图1确定出表层直接影响因素指标体系，如图2所示.

图2 表层直接影响因素的指标体系

表2 1～9标度法的意义

对于判断矩阵一致性检验通常由来式(4)判定.

(4)式中参数CI为层次总排序一致性指标，参数RI平均随机一次性指标，参数CR为层次分析法的一致性比例. CI的计算公式如式(5)：

式中：λmax为判断矩阵最大特征值；n为阶数； RI为可查常数.

当n=18时，RI值通过MATLAB数学建模程序验算取值1.610 3，二级指标的CR=0.066 8，CI=0.059 4； 三级指标的CR=0.098 6，CI=0.158 7，皆通过一致性检验. 硫化矿矿石自燃的各级指标权重见表3.

表3 影响因素的指标权重

从表3可见，硫化矿石自燃影响体系中物和环境因素占主要方面，其中矿石自身因素的权重达到了0.569 7，在二级指标中占据最重要地位； 其次是环境影响因素，而人的影响因素最弱，权重为0.052 9. 在三级指标权重分析中，晶体结构、化学组成、地质条件、水溶性铁离子含量、矿石块度、环境温度与其他各因素相比也显得尤为重要.

4 结语

针对硫化矿石自燃的研究现状和特点，从人、物、环境、管理四个方面分析硫化矿石自燃的影响因素，总结出18个要素. 采用ISM对各自燃影响因素之间的关系进行推理和计算，得到了ISM的多层递阶模型. 18个影响因子可以分为6个层级，导致矿石自燃的因素既有矿石本身的物理、化学性质，也有人的因素和管理问题，但管理培训、安全意识、安全监管才是其深层次原因.

通过AHP法确定出各级因素权重，表明硫化矿石自身特性和环境因素是诱导其自燃的关键因子，仅硫化矿石自身的影响权重达到了0.569 7. 因此，在硫化矿床开采前必须对矿石的自燃倾向性进行评价，制定相应的防火等级和安全避险措施，以实现矿山安全生产.

[1] 古德生,李夕兵. 现代金属矿床开采科学技术[M]. 北京: 冶金工业出版社,2006.

[2] Yang Fuqiang,Wu Chao，Li Zijun. Investigation of the propensity of sulfide concentrates to spontaneous combustion in storage[J]. Journal of Loss Prevention in the Process Industries,2011,24(2): 131-137.

[3] 阳富强,吴超. 硫化矿自燃预测预报理论与技术[M]. 北京:冶金工业出版社,2011.

[4] 李孜军,古德生,吴超. 高温高硫矿床矿石自燃危险性的评价[J]. 金属矿山,2004(5): 57-59; 64.

[5] 桂岚,李跃军. 基于ISM的公路突发地质灾害应急机制构建[J]. 中国地质灾害与防治学报,2010,21(1): 117-121.

[6] 郝素利,石文杰,李超锋. 基于ISM的特种设备安全监管体系构建[J]. 工业安全与环保,2014,40(4): 34-39.

[7] 胡嘉伟,彭 伟,薛韦一. 基于ISM法的公路隧道火灾事故致因研究[J]. 中国安全生产科学技术,2014,10(2): 57-62.

[8] 吕秀江,张慧,刘洪影. 基于ISM方法的煤矿安全政策控灾作用分析[J]. 中国安全科学学报,2012,22(5): 158-163.

[9] Bjørn-Morten B,Are Kristoffer S. Maritime safety and the ISM code: a study of investigated casualties and incidents[J]. WMU Journal of Maritime Affairs,2014,13(1): 3-25.

[10] 汪应洛. 系统工程[M]. 北京: 机械工业出版社,2003.

[11] 田村坦之. 系统工程[M] . 陈平，译. 北京: 科学出版社,2001.

[12] 长沙矿山研究院. 硫化矿床自燃机理及鉴别指标研究[R]. 长沙: 长沙矿山研究院,1992.

[13] 白思俊. 系统工程[M]. 北京: 电子工业出版社,2009.

[14] 刘超,罗云,仝世渝,等. 基于层次分析法的电力企业员工安全素质测评指标体系研究[J]. 中国安全科学学报,2009,19(9): 132-138.

(编辑： 蒋培玉)

Analysis of spontaneous combustion hazard of sulfide ores based on ISM and AHP

YANG Fuqiang,LIU Guangning,HUANG Xianyu

(College of Environment and Resources,Fuzhou University,Fuzhou,Fujian 350116,China)

In order to fully understand the impact factors of spontaneous combustion of sulfide ores,eighteen factors which affect the spontaneous combustion of sulfide ores were identified from the aspects of human,machine,environment,and management. By the theory of system engineering,the six-layer multi-hierarchical interpretative structure model (ISM) was established for spontaneous combustion of sulfide ores. The analytic hierarchy process (AHP) was used to determine the weight of each index. The research results show that the affecting factors of spontaneous combustion of sulfide ores can be established effectively by multi-echelon ISM,and eighteen factors can be divided into six levels; meanwhile the hierarchical and interrelation relationships among various factors can be reflected directly. Also,the weight of each index can be determined by AHP method; the physical and chemical properties of sulfide ores are the key factors that affect the spontaneous combustion of sulfide ores,and mining management is a deep-seated factor.

sulfide ores; spontaneous combustion; interpretative structure model; analytic hierarchy process

2014-09-12

阳富强(1982-)，副教授，主要从事矿山安全领域的研究，ouyangfq@163.com

国家自然科学基金资助项目(51304051)； 福建省自然科学基金资助项目(2012J05088)； 福州大学科技发展基金资助项目(2013-XQ-18)

10.7631/issn.1000-2243.2015.05.0702

1000-2243(2015)05-0702-06

X923

A