基于BP神经网络的矿山安全文化评价体系

李滕滕，杨 超

(1.安徽理工大学 能源与安全学院，安徽 淮南 232001；2.中南大学 资源与安全工程学院，湖南 长沙 410083)

基于BP神经网络的矿山安全文化评价体系

李滕滕1，杨 超2

(1.安徽理工大学 能源与安全学院，安徽 淮南 232001；2.中南大学 资源与安全工程学院，湖南 长沙 410083)

为了完善和加强矿山安全文化的建设，根据矿山自身的特点，本文提出了一种对矿山安全文化进行合理、科学、全面评价的方法。根据国际SMART准则，从安全环境、安全管理、安全培训、班组长素质、员工行为、安全事务6个方面确立了21项安全文化评价指标，提出了安全文化等级划分标准，并在MATLAB平台上建立了基于BP神经网络的安全文化等级评价体系。以6个矿山的样本数据作为训练样本，经过训练，结果显示当迭代次数为355时，网络的全局误差达到要求，并且输出值与期望输出值之间呈基本吻合，误差比较小。最后，以该神经网络对恒祥煤矿的安全文化等级进行预测，输出结果表明该矿山的安全文化等级为4级，与该矿山的安全文化实际状况相符。因此，BP神经网络具有很好的学习功能，通过样本训练后能够准确地对矿山安全文化进行评价，为提高矿山安全文化水平提供参考和依据。

BP神经网络；安全文化；评价指标；评价体系

0 引言

近年来，火灾、冒顶片帮、透水、瓦斯突出等事故在矿山频发，给国家和社会造成严重的经济损失和环境破坏，严重影响到人们的正常生活[1-2]。因此，矿山的安全问题显得尤为重要，改善矿山安全生产状况日趋紧迫。为了提高矿山安全管理水平，首先要建立矿山安全文化。矿山企业已建立了一系列的安全评价方法，但大多数只从作业环境、设备设施、安全管理3个方面进行评价的。然而安全文化的评价更多的是定性评价，没有进行更加准确地量化评估。王亦虹、夏立明[3]采用因素重构分析法、主成分分析法对矿山安全文化进行了评价。毛海峰、郭晓宏[4]对安全文化体系结构的构建及多维结构进行了研究，所构建的体系包括6个基本维度和一个辅助维度。宋晓燕、谢中鹏[5]等利用层次分析法对矿山安全文化系统进行评价。王秉、吴超[6]提出了安全文化建设的方格理论和杠杆原理，丰富了安全文化建设的理论。

矿山安全文化的影响因素众多，因素之间关系复杂，具有很强的非线性，传统的评价方法(如层次分析法)的收敛性、精确度等存在一定的局限性，不能满足安全文化评价的要求。BP神经网络具有非线性逼近、大规模数据处理、容错能力等优点[7]。为了加强矿山企业的安全建设，本文以马斯洛需求理论为依据，根据矿山安全文化的发展阶段的特点，从安全意识、安全行为、安全价值观、安全现状等方面建立了安全文化等级指标，并且在MATLAB平台上建立了基于BP神经网络的安全文化评价体系。该评价体系能够准确、全面地对安全文化状况做出判断，为矿山安全文化的建设提供一个动态的参考指标。

1 矿山安全文化

1.1 安全文化的涵义

安全文化的概念最先由国际核安全咨询组(INSAG)于1986年针对核电站的安全问题提出[8-11]。1991年出版的“INSAG-4报告”即《安全文化》给出了定义：安全文化是存在于单位和个人中的种种素质和态度的总和。文化是人类精神财富和物资财富的总称，安全文化和其他文化一样，是人类文明的产物，矿山安全文化是为矿山在生产、生活、生存活动提供安全生产的保证。根据国际核安全咨询组对安全文化的定义，可以把安全文化的基本要素分为安全价值观、安全信仰、安全行为准则、安全行为方式、安全物质、安全形象等。安全文化的平台主要是由安全知识、安全信仰、安全行为3大支柱组成，三者缺一不可。

根据对国际核安全咨询组对安全文化定义的理解及矿山实际情况，总结出矿山安全文化的定义：以创造安全、舒适的环境和生产条件及杜绝减少事故、职业病的发生为目的，坚持以人为本，充分调动员工的积极性，结合矿山企业现有的安全生产经验，以系统的角度从精神层面、制度层面、行为层面、物质层面建立安全文化，使得矿山企业成为一个有凝聚力的整体。

1.2 矿山安全文化等级评价标准的构建

根据马斯洛需求理论和安全文化的实现程度，将安全文化建设水平划分为3个阶段：要我安全、我要安全和我会安全[8]。通过这三个阶段，员工会在生产的工程中能够主动地辨识各种风险，积极地参与安全活动，逐渐培养和提高安全意识，纠正自己的不安全行为，达到我能安全。本文根据马斯洛需求理论，以安全文化3个发展阶段为依据，基于科学性、全面性、客观性的原则，建立了安全文化等级评价体系。根据安全文化的发展阶段，确立安全文化的等级评价标准，如下表1。

表1 安全文化的等级评价标准

2 基于BP神经网络评价模型的构建

2.1 BP神经网络的概念

人工神经网络是对人脑或自然神经网络若干基本特性的抽象和模拟。人工神经网络以对大脑的生理研究成果为基础的，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能。它实际上是用大量单元件相互连接而成的复杂网络，具有高度的非线性，能够进行复杂的逻辑计算和操作。人工神经网络包括很多种，其中BP人工神经网络算法成熟，稳定性强，常用于非线性数据的处理。

BP神经网络是指具有无反馈的、层内无互连多层结构的神经网络，它由输入层、隐含层、输出层组成。因为BP神经网络随着误差反向传播不断地进行修正，所以BP神经网络能够精确地逼近任意连续函数[12]。

2.2 评价模型的构建

矿山企业是一个庞大复杂的系统，为了能够全面反映和评价矿山的安全文化状况，所构建的安全文化评价指标和所收集的数据繁多。这些数据之间呈现很强的非线性关系，并且存在着很多的冗余信息。因为BP神经网络能够很好地进行非线性处理，提高数据处理的效率，在这里本文选用三层BP神经网络作为安全文化的等级评价模型，如图1所示。

图1 三层BP网络结构

先将训练样本数据用于该评价模型的训练，让神经网络反复进行学习，直到收敛或误差满足要求为止[8]。通过训练学习BP神经网络能够获取并保存评价的经验。进行安全文化等级评价时，只需输入待评价的矿山安全文化评价指标属性值矩阵即可。基于BP神经网络的安全文化等级评价模型的算法流程如图2所示。

图2 BP神经网络算法流程

3 安全文化评价指标体系的建立

根据矿山企业的特点，以国际通用的SMART准则为依据，从安全环境、安全管理、安全培训、班组长素质、员工行为、安全事务6个方面确立了21个影响因素作为矿山安全文化评价指标，如图3所示。

3.1 安全环境方面的影响因素

(1) 影响因素1：安全指引(HJ1)。矿山应该通过各种途径和方法，对员工进行有关安全操作指示、安全标识运用、安全绩效引导、应激调试机制等方面的指引，以达到安全生产的目的。

(2) 影响因素2：安全防护(HJ2)。矿山应根据员工的作业环境、工艺流程、设备设施，做好安全防护工作，增设安全防护设施，保证员工穿戴完好无损的劳动防护用品。

(3) 影响因素3：环境感受(HJ3)。环境感受是员工对作业环境和特殊作业环境综合感受和评价，是对作业环境安全保障效果的主观性评估。主要从作业现场的清洁、整洁、安全、人性等方面，对员工的安全度、舒适感和满意度进行考察[13]。

图3 矿山安全文化评价指标体系

3.2 安全管理方面的影响因素

(1) 影响因素4：安全权责(GL1)。矿山应该明确管理者与员工的安全权责，岗位权限应与职责相匹配。同时对矿山安全管理权责的分配原则、权责对应或背离程度，以及在实际工作当中执行效果进行考察。

(2) 影响因素5：制度执行(GL2)。矿山安全管理的制度执行力度和障碍情况[13]。

3.3 安全培训的影响因素

(1) 影响因素6：重要性体现(PX1)。矿山各级人员对安全培训重要性的认识程度，直接体现在培训成本投入力度。矿山应对安全培训制定充足的财务预算并执行；当安全培训与其他工作相冲突时要得到优先保证；培训资源的规模和质量应满足要求；严格执行经安全培训合格后方可上岗。

(2) 影响因素7：充分性体现(PX2)。矿山应保证每个员工都有接受安全培训的机会，根据矿山的实际需要，合理规范培训的内容和方式，科学设置培训课时，注重员工安全行为习惯的培养。

(3) 影响因素8：有效性体现(PX3)。对矿山安全培训的实施效果进行考核，考核的内容主要包括：员工安全态度的端正程度、安全技能提升幅度、安全行为的改善程度[13]。

3.4 安全行为影响因素

(1) 影响因素9：安全态度(XW1)。主要从安全责任意识、安全法律意识和安全行为意向等方面，判断员工对待安全的态度。

(2) 影响因素10：知识技能(XW 2)。除了熟练掌握岗位技能外，员工还应具备辨识风险、应急处置等安全技能和操作能力。

(3) 影响因素11：行为习惯(XW 3)。员工应养成良好的行为习惯，工友间相互交流安全经验与信息；主动学习安全知识技能并乐于参加培训；积极参加安全活动并提出工作中发现的问题和建议；面对紧急情况时能够冷静思考并正确应对；作业前检查作业环境是否安全，安全防护措施是否到位[13]。

(4) 影响因素12：团队精神(XW 4)。在安全生产过程之中，员工之间要相互了解，主动关心他人安全并善于保护他人安全；充分信任同伴的团队精神和安全素质；愿意与同伴合作解决工作中的问题；以个人安全绩效促进团队安全绩效。

(5) 影响因素13：自救能力(XW 5)。在生产活动中，是否注意观察周围的作业环境，对作业现场的救援设备、安全通道是否了解；遇到紧急情况时，能否采取正确的方法逃生并报警。

3.5 安全意识影响因素

(1) 影响因素14：自我保护意识(YS1)。在生产活动过程中，时刻想到自己的安全，主动辨识出作业环境中的危险有害因素，注意人身安全防护。

(2) 影响因素15：大局意识(YS2)。具有责任感，以矿山的利益为重，关注矿山安全，及时提出对安全工作的看法和建议，正确认识矿山安全工作与矿山效益之间的关系。

(3) 影响因素16：事故避险意识(YS3)。注重对员工的安全教育和安全管理，加强事故演习和安全培训，重视经验反馈。

(4) 影响因素17：主次意识(YS4)。能够把安全放在第一位，正确处理安全操作与工作进度之间的关系，在确认作业环境安全的情况下才进行操作。

(5) 影响因素18：健康意识(YS5)。意识到健康是安全的一部分，重视工作中的身心健康，关爱自己，关爱家庭。

3.6 安全事务影响因素

(1) 影响因素19：安全活动(SW1)。矿山应根据需要，定期举办各种主题的安全活动和会议，鼓励和邀请员工参加各种安全活动和安全会议，提高员工的安全意识。

(2) 影响因素20：安全报告(SW 2)。矿山应不断完善有关事故、隐患、缺陷等安全报告制度；建立健全员工报告渠道和途径；及时告知员工安全事故、隐患、缺陷等信息。

(3) 影响因素21：安全建议(SW 3)。矿山应建立科学有效的阿暖建议制度，保持员工建议渠道畅通、便捷，以及时反馈、择优采纳等实际行动鼓励员工积极参与安全建议[13]。

对于上述评价指标进行合理准确的量化是人工神经网络模型进行测量的重要步骤。本文以21个评价指标，设计了调查问卷，通过调查问卷的形式来获取矿山员工对这些评价指标的态度和实现程度。

4 网络训练过程及结果

4.1 BP神经网络的结构确定

根据所建立的安全文化评价指标，将输入节点定为21，由表2可知输出层的节点为5，输出范围在0～1之间。设定训练函数为tansig，隐含层传输函数为purelin，输出层函数为traingdm，训练次数为1000次，网络的各个初始权值和初始阀值随机生成，学习效率设为0.01，网络的全局误差ε设为0.01，根据经验公式来计算隐含层节点数[12]。

(1)

式中，n是隐含层的节点数，a是输入层的节点数，b是输出层的节点数，c是1～10的常数，根据公式可选取隐含层的节点数为14。

表2 矿山安全文化等级状态说明

表3 BP神经网络训练样本数据

续表

4.2 样本训练

本文选取了6个煤矿的数据作为研究样本，先选取前5个矿山的数据作为训练样本，这5个煤矿的安全文化等级分别为1级、2级、3级、4级、5级，第6个是恒祥煤矿的样本数据。所有样本是来自矿山员工根据评价指标给出的分数，然后将矿山员工给出的原始数据进行归一化处理，其中前5个煤矿具体样本数据见表3。图4为系统误差训练曲线图，图5为5组训练样本的误差曲线图。在这里设期望输出值为：

图4为系统误差训练曲线图，即为训练均方差的收敛过程曲线(蓝线)，纵坐标表示不断接近的训练目标值(虚线)，横坐标表示经过355次迭代，误差收敛，网络的全局误差达到要求。

图4 系统误差训练曲线图

图5为实际输出值与目标值之间的误差曲线，由于选取了5组训练样本，所以实际输出值与目标值之间的误差曲线就有5条。横坐标表示样本实际输出值与目标值的误差训练次数为5次，纵坐标表示每次误差训练的误差值。从图5的误差曲线可得知，经过样本训练，该BP神经网络达到了误差要求，该神经网络的实际输出值为：

图5 误差曲线图

根据图4、图5可知，该神经网络设置的训练次数为1000次，经过355次迭代后误差收敛，网络训练达到了预期的要求。将E和P的结果进行比较，得出BP神经网络的训练输出结果与期望输出基本保持一致。因此，该网络识别了样本，所建立的矿山安全文化评价体系是合理的，能够准确地反映矿山安全文化的真实水平。

4.3 网络预测

通过样本训练，BP神经网络具有了很好的非线性收敛能力，因此可以用来预测其他样本数据所代表的矿山安全文化的等级。将恒祥煤矿的数据作为预测样本进行预测，具体数据见表5。

表5 预测样本数据

将该组样本数据输入BP神经网络，经过运算输出结果为：

Q=qT=[0.323 0.060 0.174 0.898 0.431]

即预测样本的安全文化等级是4级与恒祥煤矿安全文化等级的实际情况相符。结果证明，该BP神经网络具备了预测矿山安全文化等级的功能和能力。为了提高网络预测的精确度，可以选取更多理想的样本数据作为训练样本，这样可以进一步优化各种参数，提高网络的稳定性。

5 结论

本文基于SMART的原则，从安全环境、安全管理、安全培训、班组长素质、员工行为、安全事务，6个角度建立了符合矿山企业特点的安全文化等级评价体系，设有21项评价指标。在此基础上运用BP神经网络对矿山安全文化等级进行评价，结果表明，该网络能够准确地预测矿山安全文化的实际情况和等级。

通过所建立的矿山安全文化评价体系及BP神经网络的评价结果，能够清楚地了解所评价矿山安全文化的真实状况，并且为矿山安全文化的建设提供理论依据。以评价结果作为参考，结合矿山安全文化评价指标，可进一步完善矿山安全文化的建设，提高安全文化水平，预防和减少安全事故的发生。

[1] 陈璐.矿山矿山安全管理成熟度评价研究[D].长沙: 中南大学,2013.

[2] 伍永生,王超群.矿山安全管理工作评价方法的探讨[J].安全管理,2006,11(01): 36-37.

[3] 王亦虹,夏立明.基于人因失误理论构架矿山安全文化评价体系[J].武汉理工大学学报,2008,30(12): 177-180.

[4] 毛海峰,郭晓宏.矿山安全文化建设体系及其多维结构研究[J].中国安全科学学报,2013,23(12): 4-8.

[5] 宋晓燕,谢中鹏.基于层次分析法的矿山安全文化评价指标体系研究[J].中国安全科学学报,2008,18(7): 144-148.

[6] 王秉,吴超.安全文化建设原理研究[J].中国安全生产科学技术,2015,11(12): 26-32.

[7] 王志醒,吴向男.基于BP神经网络隧洞施工安全评价模型[J].黑龙江交通科技,2015,(9): 79-82.

[8] 焦晓佑,宋守信.基于BP神经网络的核安全文化星级评价体系[J].核动力工程,2007,28(1):105-109.

[9] INSAG.Summary Report on the Post-Accident Review Meeting on the Chernobyl Accident(Safety Series No.75-INSAG-1)[R].Vienna:IAEA,1986.

[10] Wikipedia.Safety Culture [EB/OL].[2013-02-24].http://en.Wikipedia.orgwikiSafety culture.

[11] 张梦璇.矿山安全文化维度确定及在煤矿的验证研究[D].北京: 中国地质大学,2010.

[12] 刘敦文,崔朋波.基于BP神经网络的新浇筑混凝土爆破安全震动速度预测[J].安全与环境学报,2014,14(1): 43-46.

[13] 范玉凯.煤矿班组安全文化的评价与建设[D].西安：西安科技大学,2010.

Mine Safety Culture Evaluation System Based on BP Neural Network

LI Teng-teng1，YANG Chao2

(1.SchoolofEnergyandSafety,AnhuiUniversityofScienceandTechnology,Huainan,232001,China；2.SchoolofResourcesandSafetyEngineering,CentralSouthUniversity,Changsha,410083,China)

In order to improve and strengthen the construction of mine safety culture,according to the characteristics of mine,this paper puts forward a reasonable,scientific and comprehensive evaluation method for mine safety culture.According to the international SMART standards,from the 6 aspects: security environment,safety management,safety training,class leader quality,employee behavior,security affairs,establishing 21 index of safety culture evaluation,the grade division standard of safety culture is put forward,and safety culture assessment system was established based on BP neural network in the MATLAB platform.With six mines of sample data as the training sample,after training results show that when the number of iterations is 355 which meet the requirements of the network of the global error,and the output value and the expected output value was basically consistent error is relatively small.Finally,with the neural network predicting Heng Xiang mine safety culture level ,the output indicates the mine safety culture level is level 4 and consistent with the actual situation of the mine’s safety culture.Therefore,BP neural network has a good learning function.Through the sample training,the mine safety culture can be evaluated accurately which can provide reference and basis for improving the safety culture level of mine.

Safety culture; BP neural network; Evaluation index; Evaluation system

2016-06-18

中央高校基本科研业务费项目(3142015108)

李滕滕(1990-)，男，山东聊城人，安徽理工大学能源与安全学院在读硕士研究生，研究方向从事安全科学和瓦斯防治方面的研究。E-mail：982523956@qq.com

X93

A

1672-7169(2016)04-0102-07