基于SPSS的我国煤矿较大事故研究

苗增 唐建权

摘   要：我国煤矿事故频发，而煤炭又是我国最重要的能源。为研究煤矿安全生产事故死亡人数与各类型矿山事故发生次数的相关性，文章统计分析了我国2009—2017年的煤矿较大及以上事故的数据，并结合SPSS软件和统计图分析，运用贵州六盘水地区的数据进行校验，找出一些事故发生的规律，并提出建议措施，降低和减少我国较大事故的发生。

关键词：矿山事故;大数据分析;SPSS软件;应急预警;安全管理

1    关于煤矿事故的相关研究

近年来，随着我国经济的发展和相关政策的支持，煤炭的基础能源地位不断占据着非常重要的作用。煤矿安全生产事故是我国除了道路交通事故以外的最大事故，矿难造成矿工的死亡，让家庭失去支柱，事故一旦发生，造成的后果令人惋惜。为此，很多国内的学者也纷纷开始进行这方面的研究。

2009年，Chen等[1]认为，应急预案在很大程度上可以指导应急事故发生时的处理，并减少事故的损失。2010年Sheu[2]通过构建一个救灾的动态管理模型，尝试解决应急管理过程中的救灾需求问题。

2014年，马尚年[3]通过对事故的研究，得出结论：事故的发生大多是不健康的心理、心存侥幸、认知问题等人为的不安全操作行为引发的。2017年，郑广沈[4]通过运用大数据分析技术，对煤碳产、运、销进行系统地分析，通过建立一个良好的数据模型，达到运用信息网络系统来改善当前的安全生产状况的目的，提高应急管理的能力。2015年，苗增[5]运用SWOT分析法，指出可以通过统一的信息化平台来提高和完善当前的安全现状，进而改善我国安全生产过程中对突发事故的应急预警能力。2015年，刘盼红通过对煤炭生产过程中的事故成因进行分析，指出可以基于大数据的矿山安全预警信息系统来准确地对矿山安全隐患提出事故的预警。2016年，郑磊通过对我国煤矿生产特征进行分析，提出当前煤炭行业面临供给侧改革，煤矿安全管理也应当适当地转变。总而言之，运用大数据分析的方式以及SPSS软件，可以在一定程度上更好地指导我国煤矿安全生产水平的提高。

本文摘录了国家应急救援部（前国家安全生产监督管理局）2009—2017年我国较大以上事故死亡人数及事故类型统计，并建立表格，如表1所示。

2    SPSS软件介绍与事故介绍

2.1  SPSS介绍

SPSS软件集数据录入、整理、分析功能于一身，用户可以根据自己的需要选择数据分析方法，使用性较强。笔者通过运用SPSS回归分析和偏相关分析，找出事故死亡人数与经济损失之间的关系，以及各类事故与经济损失之间的相关性大小。

2.2  事故类型的分析和评价

（1）瓦斯事故：包括瓦斯爆炸事故、煤与瓦斯突出事故。瓦斯事故多发生在高瓦斯矿井，瓦斯主要的成分是CH4，具体体现形式包括瓦斯突出、瓦斯爆炸等。

（2）透水事故：煤矿透水是指在坑道里采煤矿的时候，挖穿洞壁接通地下水或者積水的废弃坑道而引发的事故。当淹井事故发生的时候，矿井一般难以在短期之内继续开采，而发生透水事故时，当透水量较大的时候，会造成人员被困、矿工被淹死等悲惨遭遇。属于井下较大以上事故。

（3）火灾事故：矿井火灾又叫矿内火灾或井下火灾，是指发生在煤矿井下巷道、工作面、硐室、采空区等地点的火灾。矿井发生的火灾（包括危及井下的地面火灾），常招致人员伤亡、设备损失、矿井停产、资源破坏，甚至引起瓦斯、煤尘或硫化矿尘爆炸。

（4）顶板事故：是指在地下采煤过程中，因为支护问题导致顶板意外冒落造成人员伤亡、设备损坏、生产终止等的事故。据资料显示，过去顶板事故的死亡人数占全部死亡人数的40%以上。

（5）中毒/窒息事故：井下中毒事故一般指在采掘过程中，因为井下的打钻、放炮、自燃等条件引发的一氧化碳中毒，或者是因为老窑水引发的硫化氢中毒的事故。因为中毒和窒息的机理较相似，本文将合并讨论。

（6）其他事故：在矿井安全生产过程中，存在其他事故的发生可能性。

2.3  基于风险评估矩阵的事故风险管理

风险矩阵法（Risk Matrix）是一种能够把危险发生的可能性和伤害的严重程度综合评估风险大小的定性的风险评估分析方法，一般包括风险识别、风险评价、风险规避以及风险监控4个阶段[1]。

（1）对于瓦斯事故（X1）而言，一般具有较大的发生可能性，并且危害较大，应当作为特别重点监管的对象，做好风险评估工作。

（2）对于透水事故（X2）而言，发生可能性中等、风险程度中等。

（3）对于顶板事故（X4）而言，一般具有较大的发生可能性，但事故后果严重度较小。

（4）对于火灾事故（X3）而言，一般具有较大的事故严重度，但是发生风险水平一般，瓦斯、顶板、火灾这3类事故应当列为重点监管对象，进行安全生产的监管。

（5）对于其他事故，一般不具有较大的发生可能性和事故严重度，应当列为监察对象，在监管过程中仅需定期检查。煤矿较大事故风险矩阵如图1所示，事故秩和校验分析如表2所示。

3    模型建立及校验

3.1  死亡人数相关性的秩和校验

假设：

H0：事故发生次数与死亡人数构成之间无直线相关关系。

H1：事故发生次数与死亡人数构成之间有直线相关关系。

求得rs的值为0.885 7。本题目中n=6，查的界值表，得γs，α=0.829<0.885 7。

按α=0.05水准拒绝H0，接受H1，可认为煤矿较大及以上事故中，事故发生原因和事故死亡人数存在正相关关系。

结论：煤矿较大事故中，事故发生的次数与事故的死亡人数存在正相关关系。

3.2  事故与死亡人数模型的建立

根据事故的平均数进行分析，运用SPSS软件可以构建以下模型：

Y=aX1+bX2+cX3+dX4+eX5+fX6+η

其中，Y为事故死亡人数，X1为瓦斯事故，X2为水害事故，X3为火灾事故，X4顶板事故，X5中毒/窒息事故，X6为其他事故，η为误差。

运用SPSS软件进行计算，求解得：a=8.62，b=7.26，c=12.62，d=4.32，e=6.13，f=4.91，R2=0.913 2，F=680.32，sig=0.000，durbin-watson=1.468。

为此，可以得出煤矿较大事故与煤矿较大事故死亡人数之间的关系为：

Y=8.62X1+7.26X2+12.62X3+4.32X4+6.13X5+4.91X6+η

3.3  较大以上事故模型的校验

通过模型的对比和建立，通过分析贵州六盘水地区的较大以上事故，根据表1数据可以得出，共发生4种类型的较大以上事故：瓦斯事故6起，死亡人数为73人;透水事故1起，死亡3人;顶板事故2起，死亡7人。

代入回归方程计算，求得理论值为：=51.72+7.26+8.64 =67.62（人）;而实际值为：Y=83;残差=15.38;误差比率e/Y=18.53%。根据线性回归模型的对比可知，该模型在六盘水地区具有一定的的可靠度[6]。

4    结语

（1）通过Spearman秩和校验，并根据六盘水市较大以上事故的模型进行认证，预测模型具有一定的准确性和积极意义。

（2）从事故发生次数而言，瓦斯事故和顶板事故是事故发生的高发区，应当降低现场管理安全隐患;从死亡人数的校验而言，火灾事故、瓦斯事故具有着较大的人员伤亡，应当从本质安全的角度考虑。

（3）从风险管理的角度而言，瓦斯事故属于4级特别重点监管的;水害事故、火灾事故、頂板事故属于3级重点监管的风险;中毒/窒息事故、其他事故属于一般事故。

（4）本文建立了事故模型：

Y=8.62X1+7.26X2+12.62X3+4.32X4+6.13X5+4.91X6+η。

（5）本文运用贵州六盘水地区的煤矿较大事故的发生情况，并验证了模型。

[参考文献]

[1]CHEN G H，ZHANG X M.Fuzzy-based methodology for performance assessment of emergency planning and its application[J].Journal of Loss Prevention in the Process Industries，2009（2）：125-132.

[2]Sheu J B.Dynamic relief-demand management for emergency logistics operations under large-scale disaster[J].Transportation Research Part E（Logistics and Transportation Review），2010（1）：1-17.

[3]马尚权.不安全操作行为在煤矿事故中的特征及防治措施[J].华北科技学院学报，2014（2）：99-104.

[4]郑广沈，倪江林，张永彬，等.大数据时代对传统矿业产运销系统带来的变革[J].无线互联科技，2017（13）：135-137.

[5]苗增，汪誉，李季.安全专业软件SWOT分析法[J].华北科技学院学报，2015（2）：86-89.

[6]王柳顺，黄东升，段文阳.风险矩阵法在突发公共事件风险评估中的运用[J].疾病监测，2017（12）：948-951.