基于DAF的煤矿风险预警模型研究及应用

胡 引，王三明

(1.南京工业大学安全科学与工程学院，江苏南京 210009；2.江苏省危险化学品本质安全与控制技术重点实验室，江苏南京 210009；3.南京安元科技有限公司研究生工作站，江苏南京 210009)



基于DAF的煤矿风险预警模型研究及应用

胡 引1,2,3，王三明1,2,3

(1.南京工业大学安全科学与工程学院，江苏南京 210009；2.江苏省危险化学品本质安全与控制技术重点实验室，江苏南京 210009；3.南京安元科技有限公司研究生工作站，江苏南京 210009)

为降低煤矿事故率，改变传统煤矿风险预警模式，使用DAF(德尔菲法、层次分析法、模糊综合评价法)对煤矿安全生产状态进行评价。通过德尔菲法调查分析影响煤矿安全生产的指标因素，选取其中关键性的34项指标来构建预警指标体系，利用层次分析法计算各指标权重，结合模糊数学理论，运用模糊综合评价法进行综合评价，判断出煤矿的安全状态，建立煤矿风险预警模型，并结合实际案例验证其可行性。结果表明，通过模型的数值计算，可以直观判断煤矿的安全生产状态，达到提前预测预警，减少煤矿生产事故发生的目的。

风险评价与失效分析；煤矿安全；德尔菲法；层次分析法(AHP)；模糊理论；预警模型

胡 引，王三明.基于DAF的煤矿风险预警模型研究及应用[J].河北工业科技,2016,33(5):365-372.

HU Yin, WANG Sanming.Research and application of coal mine safety warning model based on DAF[J].Hebei Journal of Industrial Science and Technology,2016,33(5):365-372.

自18世纪以来，煤炭一直是世界使用的主要能源之一。中国是目前世界上最大的煤炭生产与消费国。《中国矿产资源报告(2015)》[1]显示，截至2014年，中国原煤产量为38.7×108t，煤炭预测资源量为3.88×1012t，煤炭查明资源储量增长3.2%。但是煤炭产业的发展在为经济增长带来巨大贡献的同时，也带来了一系列的安全问题，对煤矿工作者的生命安全构成了严重威胁。近年来，国家对煤炭产业的安全问题愈发重视，行业体制改革的不断深化和现代信息化技术的推广应用，为煤矿安全生产提供了良好的外在条件。许多研究者从不同的角度就煤矿安全生产的现状进行探索，努力促进传统煤矿向信息化生产、管理转型，煤矿预警理论和技术在这一过程中也不断发展完善。就目前而言，煤矿预警手段仍然滞后于安全工作的需要，安全信息普遍处在“孤岛”状态，不能充分利用各个系统中各类数据隐藏的信息，并且较差的系统集成性使预警手段不能满足风险管理的需求[2]。因此，建立科学、动态的预警模型是十分必要的。

1 煤矿预警相关理论

1.1 预警定义

预警是指对生产系统中可能会发生的各类事故进行合理评价、预估该类事件可能引发的危机及影响，以便设计相应的对策和预案，同时可以进一步探索该类事件的发展规律，从而控制或利用该类事件[3]。

煤矿企业的安全预警是指针对危害安全生产的4个方面(人、物、环、管)的状态、数据，通过信息化技术手段进行监测、收集、记录、整理、分析，并输出安全预警信号，同时，在确保采集的信号及时传递的前提下，将信号数据归纳处理，与风险管理的阈值进行比较，做出不同控制行为的决策，将各种风险的可能性降到最低或者将发生风险的损失降到最小所形成的完整的风险管理体系[4]。

1.2 煤矿生产事故的特点

1)事故类型具有多样性。比如顶板事故、瓦斯事故、机电事故、运输事故、放炮事故、火灾事故、水害事故等。根据近十年(2001—2010年)来煤矿事故的统计[5]，事故发生频率最高的是顶板事故，共计3 372起，占事故总起数的43%;其次是瓦斯事故，共计1 580起，占事故总起数的20%；然后是运输事故，共计800起，占事故总起数10%。3类事故占事故总起数的73%，死亡人数占死亡总人数的81%。

2)隐患具有积累性。在煤矿生产过程中，煤矿事故的发生往往是较长时间的隐患积累，存在一个从量变到质变的过程，当隐患积累到一定程度的时候，才显现出来，酿成事故。

3)事故具有突发性。得到警报和事故发生是接连而至的，当系统发出警报的时候，往往事故就已经发生了。所以要加强警情的提前预测、预报，对煤矿生产的趋势进行全面剖析，挖掘潜在的趋势规律。

4)警情具有滞后性。警情的滞后性表现在对于复杂的生产系统，当系统发出危险警报时，往往系统已经经历了一段时间的积累，这时可能已经存在相当大程度的风险[6]。

1.3 评价方法

1)德尔菲法 是由调查者事先拟好调查表，以函件的形式征询所选专家的真实意见，专家以匿名的方式上交个人观点，通过多次征询及反馈，各专家的观点逐渐趋向一致，最终得到准确率可靠的集体判断结果[7]。这里采用德尔菲法确定指标体系。

2)层次分析法[8]是一种将定性与定量分析方法相结合的多目标决策分析方法。该方法的主要思想是通过将复杂问题分解为若干层次和若干因素,对两两指标之间的重要程度作出比较判断,建立判断矩阵,通过计算判断矩阵的最大特征值以及对应特征向量就可得出不同方案重要性程度的权重,为最佳方案的选择提供依据[9-10]。这里采用层次分析法确定指标权重。

3)模糊综合评价法[11-12]是利用模糊数学的原理，将碎片化的、不确定的信息转化为模糊的概念，从而使定性问题定量化，以综合评判实现对目标优劣等级的划分。该方法最大的特点在于能很好地解决定性指标难以量化、模糊性强的问题，所以被用来做最后的综合评判。

通过德尔菲法的反复征询反馈，同时将模糊数学的理念引入到层次分析法中，可减小由于人的主观判断所引起的误差，整体提升评估模型的准确率，最后计算出综合预警指数值，从而较为准确地判断安全状况，提前预警。

2 煤矿风险预警模型的建立

2.1 构建指标体系

预警指标的选取是一项十分复杂的系统工程。由于煤矿事故的种类繁多，影响因素各异，就需要在众多干扰项中筛选出主要的影响因素[13]。利用德尔菲法，通过搜集信息、分析处理专家意见，获得综合评价指标，通常是选择人、物、环、管这四大类因素作为一级指标来反映煤矿的安全状况，再将一级指标细化为若干个二级指标[14]，具体的指标体系如图1所示。

图1 煤矿安全预警指标体系图Fig.1 Early-warning index system for coal mine safety

一般来说，指标X1，X2，…,Xm中，可能含有“极大型”指标(期望其取值越大越好)、“极小型”指标(期望其取值越小越好)、“居中型”指标(期望其取值越居中越好)和“区间型”指标(期望其取值落在某个区间内)。对指标集X={X1，X2，…,Xm}可做如下划分[15]：

i≠j(i,j=1,2,3,4) 。

(1)

式中Xi(i=1,2,3,4)分别为极大型指标集、极小型指标集、居中型指标集和区间型指标集。

由于所选取的指标取值达到最优的范围不同，取极大值为最优、或取极小值为最优、或在某个范围内达到最优，各不相同。经过综合评价函数计算得到的综合评价数值是越大越好、或是越小越好、或是越居中越好，没有评判的标准。因此，在进行综合评价之前，需对评价指标作类型的一致化处理。通常采用的方法是将极小型指标、居中型指标和区间型指标转换为极大型指标，具体步骤如下：

1)极小型指标

(2)

2)居中型指标

(3)

3) 区间型指标

(4)

式中：[q1,q2]为指标X的最佳稳定区间；m为指标X的一个允许下界；M为指标X的一个允许上界。

2.2 预警原理

在煤矿安全生产预警中，众多的指标因素存在着太多的不确定性和模糊性，先运用层次分析法将所选取的评价指标分成一定的阶梯层次结构，同时两两比较，最终确定各指标权重，再分层进行模糊综合评判，最后综合出总的评价结果，其原理如图2所示[16-17]。

2.3 建立模型

1)构造判断矩阵

通过将因素两两比较得到判断矩阵A=(Aij)n×n，其中Aij表示指标i和j相比较后相对于目标的重要程度。在层次分析法中，通常采用的是1～9的标度法通过因素的两两比较来建立判断一致矩阵，笔者将标度进行改进，采用0.1～0.9标度法，具体如表1所示。

图2 煤矿安全生产预警原理图Fig.2 Early-warning principle of coal mine safety

表1 判断矩阵标度表

2)计算权重

通过模糊一致判断矩阵可以计算得到指标权重，因为模糊层次分析法是通过构造模糊一致判断矩阵来计算指标权重，所以不需要检验一致性。具体如式(5)所示。

令

(5)

根据公式：

(6)

计算求得权重。

3)构造隶属函数

根据模糊数学理论，构造隶属函数如式(7)—式(11)所示：

(7)

(8)

(9)

(10)

(11)

式中：X为各因素的取值；u1(x)～u5(x)分别表示隶属于评价取值区间{0～2，2～4，4～6，6～8，8～10}的隶属函数。

4)模糊评价

设预警因素集中的ui是第i个因素的隶属度rij，其中vj为评价集中的第j个元素，根据已构建的隶属度函数，可得到模糊评判矩阵R[18]：

(rigk)n×m,g=1,2,…,n;k=1,2,…,m。

(12)

式中：R的行数n为因素层次结构中的因素个数；R的列数m为评价集中元素个数；rigk是指单独考虑第i个因素中的第g个自因素对第k个评价集的隶属度。

根据模糊评判矩阵R及各二级指标的权重W，根据公式

B=W×R(b1,b2,K,bn),

(13)

可以进行一级模糊综合评价，计算出4个一级指标对应的隶属度。设加权向量为γv，通过公式：

Z=γv·BT

(14)

求出Z值，通过Z值所处区间判断安全状态。具体分值如表2所示。

表2 安全等级加权值和标准分值表

3 煤矿风险预警模型的应用

3.1 矿区概况

金佳矿井(又称金佳煤矿)位于贵州省西部，行政区划属六盘水市盘县。井田位于盘关向斜东翼中南段，是盘江煤电(集团)公司下属的年设计能力为180万t的正在建设的大型矿井。所开发的金佳井田由原勘探的金竹坪井田、佳竹箐井田合并而成，其走向长15 km，倾斜宽2.0 km，面积30 km2。井田内主要含煤地层为二叠系上统龙潭组，有可采煤层15层，可采煤层总厚21.86 m，工业储量约为5.4亿t，可采储量(扣除含硫分大于3%的部分)有3.8亿t。矿井为高瓦斯突出矿井，煤尘有爆炸性，煤层属可能自燃和自然发火煤层。

3.2 权重计算

结合金佳煤矿的实际生产状况，征求现场工程技术人员及多位专家，采用0.1～0.9标度法对各层次因素相对于上一层次因素的重要程度进行打分，得到两两判断矩阵，以人员因素为例，判断矩阵如式(15)所示。

(15)

根据式(5)和式(6)可得到人员因素的模糊一致矩阵：

(16)

求得人员因素权重为

W1=(0.220 4，0.081 6，0.102 8，0.082 4，0.121 8，0.140 2，0.102 8，0.148 0)；

同理求得其他各因素权重为

W2= (0.090 8，0.072 0，0.086 5，0.106 5，0.110 2，0.088 0，0.092 3，

0.075 0，0.094 6，0.093 0，0.091 1)；

W3=(0.210 4，0.066 1，0.128 2，0.047 4，0.175 9，0.101 4，0.117 9，0.039 7，0.113 0)；

W4=(0.210 4，0.152 8，0.098 0，0.224 2，0.168 8，0.142 2)；

第一层次权重W=(0.227 5，0.266 0，0.326 4，0.180 1)。

3.3 模糊评判矩阵计算

多位专家对指标进行打分。根据式(7)—式(11)计算出各指标的隶属度，如表3所示。

3.4 模糊综合运算

根据单因素模糊评判矩阵R及各二级指标的权重W，根据式(13)，进行一级模糊综合评价：

表3 指标权重及模糊隶属度表

(0.140 9，0.245 2，0.289 5，0.027 3，0.183 8)。

同理，可计算得到B2，B3，B4所对应的隶属度：

B2=W2×R2=(0.090 8，0.072 0，0.086 5，0.106 5，0.110 2，0.088 0，0.092 3，0.075 0，0.094 6，0.093 0，0.091 1)×

(0.622 4，0.192 6，0.185 0，0，0)。

B3=W3×R3=(0.210 4，0.066 1，0.128 2，0.047 4，0.175 9，0.101 4，0.117 9，0.039 7，0.113 0)×

(0.046 8，0.338 5，0.278 5，0.127 3，0.209 0)。

B4=W4×R4=(0.210 4，0.152 8，0.098 0，0.224 2，0.168 8，0.142 2)×

(0.607 6，0.388 8，0，0，0)。

根据式(13)和式(14)，进行二级综合模糊评价：

(0.322 3，0.287 5，0.206 0，0.047 8，0.110 0)；

Z=γv·BT=(90,70,50,30,10)×

所得综合评价结果为62.667，根据表2可得出该煤矿安全状态处于“较安全”状态，与该生产系统的实际情况基本吻合。

4 结 语

通过德尔菲法的反复归纳征询建立指标体系，采用层次分析法并结合模糊理论，克服复杂系统构造层次结构时人的主观性影响，确定权重，最后对煤矿生产中的模糊因素进行综合评价，得出煤矿的安全生产状态，从而达到提前事故预警的目的。结合金佳煤矿的实例验证可知，将DAF法应用于煤矿的风险预警分析是可行的，能够有效减少煤矿生产事故的发生。

[1] 中国国土资源报.《中国矿产资源报告(2015)》解读[J].国土资源,2015(12):48-49.

[2] 赵代英,何学秋,江田汉.我国煤矿行业安全生产预警指数模型研究[J].中国安全生产科学技术, 2014，10(1):81-86.

ZHAO Daiying, HE Xueqiu, JIANG Tianhan. Research on forewarning model for work safety of coal mine in China[J]. Journal of Safety Science and Technology, 2014,10(1):81-86.

[3] 孟凡荣,赵芳.煤矿安全预警系统体系构建[J].微计算机信息,2008,24(10-3):60-61.

MENG Fanrong, ZHAO Fang. Construction of pre-warning system of mine safety[J]. Microcomputer Information, 2008, 24(10-3):60-61.

[4] 李世波,李殿臣,郭祥智.煤矿安全预警预控管理研究与实践[J].中国煤炭,2013,39(2)：105-107.

LI Shibo, LI Dianchen, GUO Xiangzhi. Research and practice of early warning and previous control management in coal mines[J]. China Coal, 2013, 39(2)：105-107.

[5] 陈娟,赵耀江.近十年来我国煤矿事故统计分析及启示[J].煤炭工程,2012(3):137-139.

[6] 杨大明.我国煤矿安全生产的现状、特点与对策措施[J].科技导报,2003(11):6-9.

[7] 谢振华．安全系统工程[M]．北京：冶金工业出版社，2010．

[8] 郝蕾.基于层次分析法的高层建筑施工现场火灾风险模糊评价[J].河北工业科技,2015,32(3):224-229.

HAO Lei. Fuzzy evaluation on fire risk assessment of high-rise building construction site based on AHP[J]. Hebei Journal of Industrial Science and Technology, 2015, 32(3):224-229.

[9] 郭金玉,张忠彬,孙庆云.层次分析法的研究与应用[J].中国安全科学学报, 2008,18(5):148-153.

GUO Jinyu, ZHANG Zhongbin, SUN Qingyun. Study and applications of analytic hierarchy process[J]. China Safety Science Journal, 2008,18(5):148-153.

[10]符学葳.基于层次分析法的模糊综合评价研究和应用[D].哈尔滨：哈尔滨工业大学, 2011.

FU Xuewei. The Reaserch and Application of Fuzzy AHP[D].Harbin: Harbin Institute of Technology,2011.

[11]张豪. 基于AHP法的大型医疗设备配置模糊评价模型构建[J]. 河北工业科技, 2015, 32(1):27-31.

ZHANG Hao. Establishment of fuzzy evaluation model for large medical equipment configuration based on AHP[J]. Hebei Journal of Industrial Science and Technology,2015, 32(1):27-31.

[12]杨纶标.模糊数学原理及应用[M].广州：华南工学院出版社, 2011.

[13]胡冬红.煤矿安全事故成因分析及预警管理研究[D]. 北京：中国地质大学,2010.

HU Donghong. Analysis on Coal Mine Safety Accident Causes and Forewarning Management Research[D]. Beijing: China University of Geosciences,2010.

[14]郭亚军.综合评价理论、方法及应用[M].北京：科学出版社, 2007.

[15]王春枝.综合评价指标筛选及预处理的方法研究[J]. 统计教育, 2007(3):15-16.

[16]方刚,迪明,刘韩勇,等.基于模糊层次分析法的煤矿安全生产预警系统[J].工矿自动化, 2013, 39(11):98-102.

FANG Gang, DI Ming, LIU Hanyong, et al. Early warning system for coal mine safety production based on fuzzy-analytical hierarchy process[J].Industry and Mine Automation, 2013, 39(11):98-102.

[17]李万庆，裴志全，孟文清.AHP-RBF神经网络在煤矿安全风险评价中的应用[J].河北工程大学学报(自然科学版)，2014，31(2)：101-105.

LI Wanqing,PEI Zhiquan,MENG Wenqing.The application of AHP-RBF neural network in coal mine safety risk evaluation[J].Journal of Hebei University of Engineering (Natural Science Edition),2014,31(2):101-105.

[18]谢季坚.模糊数学方法及其应用[M].武汉：华中科技大学出版社, 2013.

Research and application of coal mine safety warning model based on DAF

HU Yin1,2,3, WANG Sanming1,2,3

(1.College of Safety Science and Engineering, Nanjing Tech University, Nanjing， Jiangsu 210009, China; 2.Jiangsu Key Laboratory of Hazardous Chemicals Safety and Control, Nanjing, Jiangsu 210009, China;3.Graduate Workstation, Nanjing Safirst Technology Company Limited, Nanjing， Jiangsu 210009, China)

In order to reduce the coal mine accident rate, and change the traditional coal mine risk assessment and early warning model, the DAF (Delphi method, analytic hierarchy process, fuzzy theory) is used to evaluate the coal mine safety production status. Delphi method is used for analysis of factors affecting coal mine safety production, and 34 key indexes are selected to build coal mine safety early-warning index system. Analytic hierarchy process is used to calculate the weight of each index. By combing fuzzy mathematic theory, the fuzzy comprehensive evaluation method is used to comprehensively assess and judge the safety status of coal mines. Then the coal mine risk assessment and early warning model is built, and the feasibility is proved through actual cases. The results show that the calculation of the model can be used to determine the safety production status, which helps control and reduce coal mine accidents effectively.

risk assessment and failure analysis; coal mine safety; Delphi method; analytic hierarchy process(AHP); fuzzy theory; early warning model

1008-1534(2016)05-0365-08

2016-05-12;

2016-07-06；责任编辑：王海云

江苏高校优势学科建设工程资助项目

胡 引(1992—)，男，江苏南京人，硕士研究生，主要从事安全生产信息化方面的研究。

王三明教授。E-mail:sanming@a-y.com.cn

TD76

A

10.7535/hbgykj.2016yx05002