基于模糊故障树的煤矿区环境风险评价体系

潘长波,徐龙龙

(甘肃能源庆阳煤电有限责任公司,甘肃 庆阳　745000)



基于模糊故障树的煤矿区环境风险评价体系

潘长波,徐龙龙

(甘肃能源庆阳煤电有限责任公司,甘肃 庆阳745000)

摘要鉴于目前环境污染日益严重的现实状况,研究基于环境的自净化能力,分析了煤矿区生态环境的各净化环节,引入了模糊集合理论,并且使用多种模糊数、语言值及精确数值刻画各净化环节事件的发生概率,并将它们归一为梯形模糊数,最终构建了一种基于故障树理论的煤矿区环境风险评价体系。该方法很好地解决了由于煤矿区环境的复杂性与不确定性,造成一些事件(要素)的发生概率难以获得,从而使评价结果误差较大的问题,且方法简单易行,可量化并能优化煤矿区环境系统的可靠性,具有较强的实用性和可操作性。

关键词煤矿区环境;模糊故障树;梯形模糊数;风险评价

煤炭为我国的经济发展和社会进步做出了巨大的贡献。但是,煤炭资源过度开发和利用破坏了矿区的生态环境,例如煤炭资源丰富的西部地区,区域环境本来十分脆弱,加之人口增长及矿产资源的开采,造成地质灾害频发,生态环境恶化,水土流失、植被破坏、草原退化、环境污染等问题突出[1]。资源开采过后,形成大量的塌陷区域,水土流失加剧,例如位于湖南湘潭的谭家山煤矿,由于几十年的地下开采和疏、排水使地表沉降、塌陷面积逐年扩大,水土流失比较严重,受到影响的有2县、3镇、10村[2]。以水、大气、土壤污染为主要形式的矿区环境污染日益严重[3],含有大量有害物质的煤矸石等堆积物不仅压占大量土地,也成为周围环境新的污染源[4,5],同时,煤矿生产过程中使用的机械设备及爆破作业等引发的噪声污染,直接影响工人及矿区居民的身体健康[6]。因此,有必要构建煤矿区环境风险评价模型,对煤矿区环境系统进行风险评价及分析,掌握矿区环境的风险状态及风险成因。我们借鉴故障树理论在电子、机械、建筑等工程技术领域的成功应用,将其引入到矿区环境质量风险评价中,研究构建基于模糊故障树的环境风险评价体系,为煤矿区环境风险管理提供一定的科学依据。

1模糊故障树理论

传统的故障树分析方法是基于概率论的,其失效概率通常要根据大量的第一手数据进行估计。然而,实际分析中往往无法获得大量的基本数据,底事件的失效概率难以估算,造成评价结果误差较大。而模糊故障树引入模糊集理论[7-9],以各种模糊数刻画事件发生的概率,用模糊方法进行分析,较好地解决了底事件发生的概率因环境的复杂及数据的不完整而难以用精确值来衡量等问题。构建使用多种模糊数、语言值及精确数值刻画事件概率,最终统一转化为梯形模糊数求解。

1.1梯形模糊数及其代数运算

(1)

(a1+a2,m1+m2,n1+n2,b1+b2),

(2)

(a1-a2,m1-m2,n1-n2,b1-b2),

(3)

(a1·a2,m1·m2,n1·n2,b1·b2)。

(4)

(5)

1.2语言变量

在做安全分析时,有时需采用专家评分法对不能准确确定的因素进行评价,此时专家往往倾向于用语言变量来表达那些太复杂或不能加以描述的现象[7]。在此借鉴MIL-STD-882标准[11]对风险严重程度建立煤矿区环境系统风险分类等级,见表1。

表1　矿区环境系统风险分类等级

为了提高评价结果的可靠性,以便尽可能真实地反应煤矿区环境风险的等级,依照表1的分类等级,作适度扩展,使用语言值集合{极低,很低,较低,临界,较危险,很危险,极危险,较破坏,很破坏,极破坏}来表示那些不确定或复杂事件及整个煤矿区环境系统“故障概率”的语言评价,简记为{Ⅰ,Ⅱ,Ⅲ,Ⅳ,Ⅴ,Ⅵ,Ⅶ,Ⅷ,Ⅸ,Ⅹ}。语言变量的值可用模糊数、模糊子集表示,此为语言变量的一种近似表示方法,实现了语言值与模糊数之间的转化。定义语言值集合的近似模糊数如图1所示。由图1可以看出,表示语言值的模糊子集之间并没有明显的交界,而是相互重叠。

假如评价结果为一组梯形模糊数(0.1,0.3,0.4,0.5),由式(5)可求得其重心r=0.32。由图1可知,其重心介于语言值“Ⅲ”与“Ⅳ”之间,则它近似语言值是“较低”的隶属度约为0.8,“临界”的隶属度约为0.15。因此,该结果近似语言评价值为“较低”。

图1　语言值的近似模糊数Fig.1　Approximate fuzzy numbers of the linguistic values

2煤矿区环境风险模糊故障树分析

自然环境具有一定的自净化及修复能力。煤炭开发过程中不断排出含有有害化学物质的废水、废气、固体废物、病原体、噪声、废热等污染物,使得外界污染负荷超出矿区生态系统的自净化能力,生态平衡状态被打破,环境污染问题随之产生,同时又对矿区环境的自净化功能造成破坏。因此,环境污染实质上是一定的时间及区域范围内各种自然净化环节对污染物的净化能力的失效,表现为两方面:一是污染负荷远超出自然环境自净化能力;二是环境污染致使这种净化功能效率的降低或功能的消失。以煤矿区生态环境系统各种净化、修复环节的功能失效作为基本事件,以其引发的结果事件作为中间事件,研究构建煤矿区环境污染故障树模型。

2.1煤矿山环境系统的自净化、修复环节

煤矿山污染源主要有矿井及生活污水、各种机械设备及爆破产生的噪音、煤矸石等堆积物、爆破产生的废气等,从而导致对水、土壤、大气及生物的破坏及对工人与矿区周围居民健康的影响。煤矿区环境系统的净化环节可分为大气中污染物的净化环节、土壤中污染物的净化环节、水体中(含地表水、地下水)污染物的净化环节以及噪声污染净化环节。文献[12]中以净化环节对区域环境质量的保证功能和对污染物的净化功能为依据,把各净化环节间的相互作用关系归纳为串联和并联两种基本关系:若几个不同的净化环节共同组成一个总的净化环节,只要其中一个环节的功能失效,则这个总环节的净化功能将失效,即各净化环节是串联关系;若几个不同的净化环节共同组成一个总的净化环节,各基本环节彼此互为储备关系,即只要其中一个环节的功能正常,这个总环节的净化功能就正常,即各净化环节是并联关系。基于这两种基本关系,概述煤矿区环境系统中的各净化环节及其之间的关系,以下“∪”、“∩”分别表示串联与并联。

(1)大气中污染物的净化环节。

1)净化环节A11∩A12表示煤矿区大气的污染负荷控制符合《环境空气质量标准》[13]二级标准,其中A11为煤层中富含及爆破产生的各种有害气体(CH4、CO2、CO、H2S、SO2等)控制符合要求;A12为颗粒物(煤粉尘、扬尘等)排放控制符合要求。其对立状态表示为a11∪a12,即不符合标准规定。p(a11)、 p(a12)为特定时期内矿区空气中有害气体与微颗粒物浓度监测不符合标准的概率。

2)净化环节(A21∩A23)∪(A22∩A23)表示矿区污染物在大气中得到有效的稀释、扩散。A21∩A23表示以风速为主导的净化条件满足一定的要求,A22∩A23表示以风向为主导的净化条件满足一定的要求。其中A21代表风速条件满足;A22代表风向条件满足;A23代表气象不稳定性条件满足,气象条件越不稳定,越有利于污染物的扩散、稀释。该环节对立状态为(a21∩a22)∪a23。p(a21)为特定时期内矿区实际风速低于临界风速的概率;p(a22)为风向会使污染物流向空气质量要求较高的人口密集区域等的概率;p(a23)为大气稳定性为中度稳定及以上的概率之和。

3)净化环节A31∪A32表示矿区空气中污染物被功能植被吸收富集(A31)或被光学作用分解转化为无毒或低毒物质(A32)的条件满足要求。其失效状态为a31∩a32。因该环节对污染物的净化作用较小,且概率p(a31)及p(a32)的取值较困难,可根据净化资源条件模糊评定。

(2)煤矿区土壤中污染物的净化、修复环节。

1)净化环节B11∩B12表示对矿区土壤中有机污染物(B11)与无机污染物(B12)的控制符合《土壤环境质量标准》[14]三级标准。该环节对立状态为b11∪b12。p(b11)、p(b12)为同期抽检不满足标准的概率。

2)净化环节(B21∩B22)∪(B23∩B24)∪(B25∩B26)表示土壤溶液中污染物得到分离扩散、吸收富集及分解转化的净化效果良好。其中B21、B22分别代表土壤溶液中污染物发生沉淀或被土壤胶体吸附良好与沉积物的疏浚清理良好;B23、B24分别代表矿区功能植物的总体吸收富集能力较好与富集污染物的再循环良好;B25、B26分别代表污染物被分解所需的生物化学反应条件与物理运动条件满足要求。其对立状态为(b21∪b22)∩(b23∪b24)∩( b25∪b26)。因该环节净化效率较低,实际难以测定,故概率p((b21∪b22)∩(b23∪b24)∩( b25∪b26))可由专家根据经验模糊评定。

3)修复环节B31∩B32表示被破坏的植被再恢复状况较好。其中B31表示被破坏的植被面积占矿区总面积的比例低于某一临界值;B32表示植被再恢复的条件(如气候条件)满足良好。该环节对立状态表示为b31∪b32。当被破坏的植被面积所占比例高于给定临界值时,p(b31)取值为1,当小于等于临界值时取值为0,p(b32)可结合实际模糊评定。

(3)煤矿区水体中污染物的净化环节。

1)净化环节C11∩C12表示水体中有害物控制符合相关环境质量标准。其中C11、C12分别为地表水与地下水水质符合《地表水环境质量标准》[15]、《地下水质量标准》[16]Ⅲ类标准。该环节对立状态表示为c11∪c12。p(c11)、p(c12)为同期监测地表水与地下水水质不符合这两类标准的概率。

2)净化环节(C21∩C22)∪(C23∩C24)∪(C25∩C26)表示污染物在水环境系统中的稀释扩散、分解转化、吸收富集状况良好。其中C21、C22分别代表其中所需的水体流速与水体流向条件满足要求,C23、C24分别代表污染物分解转化的生物化学反应条件与物理运动条件满足要求;C25、C26分别代表水体中功能植物的吸收富集能力较强与富集污染物的再循环良好。其对立状态表示为(c21∪c22)∩(c23∪c24)∩(c25∪c26)。同样,p((c21∪c22)∩(c23∪c24)∩(c25∪c26))值模糊评定。

3)状态C31表示矿区地下水均衡,即地下水的补给与排泄应该是保持平衡的。对立状态c31表示矿区地下水的均衡状态被打破。p(c31)为同期内矿区地下水失衡概率。

(4)煤矿区噪声污染净化环节。

1)净化环节D11∩D12表示生产区噪声排放(D11)满足《工业企业厂界环境噪声排放标准》[17]与生活区噪声排放(D12)满足《社会生活环境噪声排放标准》[18]要求。该环节对立状态为d11∪d12。对应的概率p(d11)、p(d12)为同时期监测不达标概率。

2)净化环节D21∩D22表示煤矿区噪声传播得到有效控制。其中D21、D22分别代表噪声被天然屏障(如山丘、土坡、井巷围岩)有效隔挡与功能植被的有效吸收。该环节对立状态表示为d21∪d22。p(d21∪d22)概率视环境情况模糊评定。

以上这四类净化环节共同构成煤矿区污染物总净化环节的主体。实际中往往还存在着一些不确定因素,因此,矿区生态环境系统对污染物的净化体系由以上四类净化环节及某些不确定环节(R)依据一定的串并联关系混联而成。

2.2煤矿区环境风险故障树

故障树分析法是一种图形化的系统可靠性分析方法,它把系统不希望出现的事件作为故障树图的顶事件,通过寻找直接导致这一状态发生的全部因素,再跟踪追击找出造成下一级事件发生的全部直接因素,直到无须再深究其发生的因素为止。以煤矿区环境风险作为故障树的顶事件,根据各净化环节对立事件的串、并联关系,将原因层层分解,建立的煤矿区环境污染的故障树如图2所示。

图2　煤矿区环境风险故障树Fig.2　The fault tree model of coal mining areas environmental pollution

由图2可得逻辑表达式为

T=X20+X21+X22+X23+R=X1+X17+X4+X5+X18+X9+X10+X19+X14+X15+

X16+R=a11+a12+X2X3+a31+a32+b11+b12+X6X7X8+b31+b32+c11+c12+

X11X12X13+c31+c32+d11+d12+d21+d22+R=a11+a12+(a21+a23)(a23+a22)+

a31+a32+b11+b12+(b21+b22)(b23+b24)(b25+b26)+c11+c12+

(c21+c22)(c23+c24)(c25+c26)+c31+c32+d11+d12+d21+d22+R,

(6)

则顶事件T发生的概率为

P(T)=p(a11)+p(a12)+(p(a21)+p(a23))(p(a23)+p(a22))+p(a31)+p(a32)+p(b11)+

p(b12)+(p(b21)+p(b22))(p(b23)+p(b24))(p(b25)+p(b26))+p(c11)+p(c12)+

(p(c21)+p(c22))(p(c23)+p(c24))(p(c25)+p(c26))+p(c31)+p(c32)+p(d11)+

p(d12)+p(d21)+p(d22)+p(R)。

(7)

2.3模型评价的主要步骤与方法

评价可按如下基本步骤、方法进行:

Step1基于2.2小节内容,结合实际评价对象,确定各基本事件,生成相应的中间事件,建立具体的煤矿区环境污染故障树图。

Step2将故障树中的各事件分为有统计数据的事件和没有统计数据的事件及其他模糊事件。

Step3通过各种途径获得各底事件当前的发生概率或语言值。底事件故障概率的获得,可以采用以下方法:对于有统计数据的基本事件,可根据有关环境质量标准计算其发生的概率,这是精确值;对于没有统计数据的底事件及其他模糊事件,结合相关环境质量标准及专家的主观判断获得底事件的模糊发生概率,可采用各种模糊数(三角模糊数、梯形模糊数、正态模糊数等)及语言值评价。

Step4将各种形式的评价值一并转化为梯形模糊数表示,即评价值的归一化处理。归一化方法可参考文献[8]。

经过归一化处理后,式(7)演变为

P(T)=(p1,q1,m1,n1)⊕(p2,q2,m2,n2)⊕((p3,q3,m3,n3)⊕(p4,q4,m4,n4))⊗((p5,q5,m5,n5)⊕

(p6,q6,m6,n6))⊕(p7,q7,m7,n7)⊕(p8,q8,m8,n8)⊕(p9,q9,m9,n9)⊕(p10,q10,m10,n10)⊕

((p11,q11,m11,n11)⊕(p11,q11,m11,n11))⊗((p12,q12,m12,n12)⊕(p13,q13,m13,n13))⊗

((p14,q14,m14,n14)⊕(p15,q15,m15,n15))⊕(p16,q16,m16,n16)⊕(p17,q17,m17,n17)⊕

(p18,q18,m18,n18)⊕(p19,q19,m19,n19)⊗((p20,q20,m20,n20)⊕(p21,q21,m21,n21))⊗

((p22,q22,m22,n22)⊕(p23,q23,m23,n23))⊕(p24,q24,m24,n24)⊕(p25,q25,m25,n25)⊕

(p26,q26,m26,n26)⊕(p27,q27,m27,n27)⊕(p28,q28,m28,n28)⊕

(p29,q29,m29,n29)⊕(p30,q30,m30,n30),

(8)

其中:(pi,qi,mi,ni)为各基本事件评价值归一化处理后的梯形模糊数。梯形模糊数的代数运算可参考1.2小节内容。

Step5求得故障树的最小割集(MCS,mininal cut sets),并利用式(8)获得顶事件发生概率。并且,根据结果所得梯形模糊数,代入式(5)计算重心,由图1获得与该梯形模糊数近似的语言评价值。

Step6分析结果,给出意见。

3结语

(1)由算式1-P(T)即可计算出煤矿区环境系统的可靠性,并可实现区域环境规划的可靠性优化。

(2)模型中各基本事件的故障概率是基于该净化环节失效的情况下获得的,因此,可依据相关环境质量标准及有关气象等统计资料,估算出一定时期、一定范围内不同净化环节应具备的净化能力的最低值,然后以此为参照,计算在煤矿区环境受到威胁的情况下各净化环节达不到该值时基本事件发生的概率。

(3)通过不同途径获得的基本事件的发生概率,其值可为多种形式,包括精确值、语言值和各种模糊数,体现了实际评价问题的复杂性和不确定性,易于获得事件的发生概率,提高评价结果的可信度;归一化处理除梯形模糊数外,也可转化为其他模糊数,且归一化方法不唯一。

参考文献:

[1]党明,李瑞斌,余学义,等.西部煤炭开采损害及防治对策[J].中国煤炭,2008,36(3):50-52.

[2]吴越,白华.矿区人居环境安全问题研究——以谭家山煤矿为例[J].中国安全科学学报,2009,19(11):12-17,178.

[3]罗道成,刘俊峰.我国生态安全现状分析及保护对策研究[J].中国安全科学学报,2007,17(3):10-14,177.

[4]于丽梅,赵迎春.煤矸石及综合利用[J].煤炭技术,2008,27(11):127-128.

[5]徐友宁,袁汉春,何芳,等.煤矸石对矿山环境的影响及其防治[J].中国煤炭,2004,42(9): 50-52.

[6]吴淼.煤矿噪声污染源治理思路的探讨[J].黑龙江环境通报,2003,16(3):29-30,59.

[7]侯福均,肖贵平,杨世平.模糊事故树分析及其应用研究[J].河北师范大学学报:自然科学版,2001,46(4):464-467.

[8]武庄,石柱,何新贵.基于模糊集合论的故障树分析方法及其应用[J].系统工程与电子技术,2000,22(9):72-75.

[9]胡小静,李维科,张艳兰,等.模糊故障树在矿业权核查质量控制中的应用探讨[J].甘肃科学学报,2010,22(4):58-61.

[10]王涛,李健,李井翠.模糊数的一种梯形模糊数的逼近方法[J].统计与决策,2010,26(17):31-33.

[11]闫善郁.事故树的模糊分析方法研究[J].大连铁道学院学报,1997,18(1):96-100.

[12]林立忠,朱斌.基于可靠性理论的区域大气环境质量风险评价模型探讨[J].中国人口·资源与环境,2006,17(1):62-65.

[13]中华人民共和国环境保护部,国家质量监督检验检疫总局.GB 3095-2012环境空气质量标准[S].北京:中国环境科学出版社,2012.

[14]国家环境保护局,国家技术监督局.GB 15618-1995土壤环境质量标准[S].北京:中国标准出版社,1995.

[15]国家环境保护局,国家质量监督检验检疫总局.GB 3838-2002地表水环境质量标准[S].北京:中国环境科学出版社,2002.

[16]国家技术监督局.GB/T 14848-93地下水质量标准[S].北京:中国标准出版社,1994.

[17]中华人民共和国环境保护部,国家质量监督检验检疫总局.GB 12348-2008工业企业厂界环境噪声排放标准[S].北京:中国环境工业出版社,2008.

[18]中华人民共和国环境保护部,国家质量监督检验检疫总局.GB 22337-2008社会生活环境噪声排放标准[S].北京:中国环境科学出版社,2008.

Environmental Risk Assessment System of Coal Mining Area Based on Fuzzy Fault Tree

Pan Changbo,Xu Longlong

(GansuEnergyQingyangCoalIndustryAndElectricityPowerCo.,Ltd.Qingyang745000,China)

AbstractThe environmental risk assessment system of coal mining area was set up finally in the article based on fuzzy fault tree by analyzing all purification links of the ecological environment of the coal mining area, introducing the blur muster theory based on the self-purification capability of the environment, depicting the probabilities of occurrence of events in all purifications links by using multiple fuzzy numbers, linguistic values and exact numbers and normalizing them into the trapezoidal fuzzy number in view of increasingly serious environmental pollution at present.The method can solve the problem that the assessment result has great error as a result of hard acquisition of probabilities of occurrence of some events (factors) due to complexity and uncertainty of the environment of the coal mining area perfectly.Moreover, the method is simple, practical, metrizable, capable of optimizing reliability of the environment system of the coal mining area and has strong practicality and operability.

Key wordsEnvironment of coal mining area;Fuzzy fault tree;Trapezoidal fuzzy number;Risk assessment

中图分类号:O213.1

文献标志码:A

文章编号:1004-0366(2016)01-0132-06

作者简介:潘长波(1985-),男,甘肃庆阳人,硕士,研究方向为矿业系统工程.E-mail:pcbqq@163.com.

收稿日期:2015-01-25;修回日期:2015-04-01.

doi:10.16468/j.cnki.issn1004-0366.2016.01.029.

引用格式:Pan Changbo,Xu Longlong.Environmental Risk Assessment System of Coal Mining Area Based on Fuzzy Fault Tree[J].Journal of Gansu Sciences,2016,28(1):132-137.[潘长波,徐龙龙.基于模糊故障树的煤矿区环境风险评价体系[J].甘肃科学学报,2016,28(1):132-137.]