基于组合赋权云模型的煤矿作业场所职业危害综合评价

屈 扬，张学博

(1.河南工业和信息化职业学院，河南 焦作 454000；2.河南理工大学 安全科学与工程学院，河南 焦作 454003)

近年来，随着我国经济的迅速发展与人民生活水平的提高，对职业危害的重视程度越来越高。尤其是随着煤矿开采深度的加大，井下作业空间小、空气流动差、能见度低等恶劣的作业环境，致使作业人员患有尘肺病、职业中毒、局部振动病、噪声聋等职业病[1]。为了改善煤矿井下作业场所环境，国内外在职业危害评价方面进行了大量的研究工作。Zhao[2]等基于深度学习构建了煤矿工作场所职业性接触有毒化学品的健康风险数学模型；H.H.Erdogan[3]等基于事故统计构建了煤田定量危害评估方法；田彦清[4]等运用集对分析法构建了同异反评价模型；许满贵[5]等基于模糊聚类分析方法研究了煤矿井下职业危害严重的地点；袁树杰[6]等对比分析了Romanian model与ICMM两种评价模型在煤矿不同工作岗位的适用范围，孙悦[7]等在此基础上引入MLSP并对煤矿作业健康风险进行了分级；王明[8]等构建了煤矿井下职业危害未确知测度模型并应用Visual Basic实现该模型的程序化，为煤矿作业场所的职业危害评估提供了一定的技术支持。

然而，煤矿作业场所是一个高风险、人员作业密集的环境，对其职业危害的评价体系具有多目标、多层次且难以量化的特点，上述评价过程中指标的选取、权重的确定尚未有统一的标准，且职业危害的评估存在一定主观性、不确定性与模糊性。而云模型具有将评估过程中定性的概念向定量数值区间相互转化的特点[6]，可较好的解决煤矿作业场所评估过程指标因素不确定性与模糊性的问题。鉴于此，本文借鉴云模型理论的方法与思路，结合煤矿井下现场实际，分析煤矿作业场所职业危害影响指标体系，构建煤矿作业场所职业危害评价云模型，基于欧式距离组合运用AHP与EWM计算各指标的组合权重，并以山西省某煤矿为工程实例对该模型的科学性与可靠性进行验证。

1 煤矿作业场所职业危害评价指标体系

1.1 煤矿井下职业危害指标体系构建

建立科学、客观、详尽的职业危害评价指标体系是对煤矿井下作业场所职业危害状况进行综合评估基础。以《工作场所空气中有害物质监测的采样规范》(GBZ 159—2004)、《工作场所空气有毒物质测定》(GBZ/T 160—2004)和《工作场所物理因素测量》(GBZ/T 189—2007)等为基础，并现场调研山西省某煤矿采煤工作面、掘进工作面、采区变电所、配电硐室等作业场所，并结合煤矿作业场所职业危害分析，依据科学性与实事求是原则、系统性与全面性原则、定量与定性分析相结合的评估指标设计原则，建立煤矿井下作业场所职业危害综合评价体系，如图1所示，该体系包括作业人员状况、尘毒物质、物理因素、设备因素及管理因素5个方面20个三级指标。

图1 煤矿作业场所职业危害综合评价指标体系

1.2 煤矿井下职业危害指标等级划分

煤矿井下职业危害指标等级分级的科学与否将直接影响评估结果的可靠性，因此为减少职业危害评估过程中的不确定性与模糊性问题。在煤矿井下作业场所过程中，存在影响作业人员状况、生产性粉尘、有毒有害气体、不良的作业环境、不良的设备运转、安全管理的不到位等诸多的职业危害因素[9]，致使煤矿井下作业人员患有不同程度的职业病。为使职业危害评估结果更加合理、可靠，结合《工业企业设计卫生标准》(GBZ 1—2010)、《国家职业卫生标准》(GBZ 38—2006)等规范标准、文献研究，对煤矿作业场所职业危害因素评价指标进行定性分级与量化取值，见表1，综合评判等级划分为{C1、C2、C3、C4、C5}五个级别，分别表示评价等级优、良、中、差、劣，每个级别均有一个规定的数值区间。对于危险有害气体U22与作业空间U36用半定量化方法进行取值，分级用定性语言描述，将其划分为5个评价等级(表1)，表1中，括号内数据为定性量化指标，根据煤矿安全管理人员及行业专家的意见与建议确定该评价指标等级[8]；对于其余指标则采用实际值对其进行赋值分级。

表1 煤矿作业场所职业危害指标评价准则

2 基于组合赋权云模型的煤矿职业危害评价模型

2.1 云模型理论

2.1.1 云模型理论及其数字特征

1993年，李德毅首次提出云的概念，并以此为基础结合模糊数学与随机函数理论建立了云模型。在煤矿作业场所职业危害综合评估中，可将具有模糊性、随机性与不确定性的定性评价指标通过标准的语言值转换为定量的数值[10-12]，进而使得评估结果更加准确、可靠。

若T为定量论域U对应的一个定性指标，存在一个定量数值x∈T，μ(x)为T的隶属度且分布满足[13]：

μT(x)：U→[0，1]，∀x∈U，x→μT(x)

(1)

则定义x在域U中的分布定义为云模型，(x，μ(x))为云模型中的一个云滴，μ(x)∈[0，1]的数值意义为一个具有稳定趋势的随机数。云模型理论主要有Ex，En，He三个数字特征，Ex表示该云滴所在论域的数学期望，反映了定性指标T的中心值；En表示该指标对象的熵值，熵值越大，定性指标T判别信息的随机性程度越高，在云图中呈现为沿云的水平方向宽度越大。He为超熵值，反映了熵值En的不确定性程度，超熵值越大，表明判别信息的离散程度与随机性越大，在云图中呈现为云滴越离散，云层越厚。对于高风险、作业空间狭小、作业人员密集的煤矿井下，复杂、恶劣的环境条件使评价指标多以定性或半定量的形式表示，基于云模型及其数字特征构建的职业危害评估模型可更好的反映工作场所的实际综合评价的本质。

2.1.2 云模型发生器

云模型发生器是云的具体实现方式，由定性概念到定量数值的计算过程称为“正向云发生器”，即在已知Ex，En，He三个数字特征的情况下生成所需数量的云滴，反之称为“逆向云发生器”。对于煤矿职业危害综合评价过程，需要尽可能地量化评估过程与分析评估数据，因此选用“正向云发生器”。计算步骤如下[14]：

3)将x作为定性概念的一次具体量化数据表示为一个云滴，利用式(2)计算确定度值：

(2)

4)形成区间(xi，μi(xi))的云滴。

5)重复1)～4)产生N个云滴。

2.2 AHP-EWM组合赋权

2.2.1 AHP确定主观权重

AHP是将与决策相关的元素分解成目标、准则、方案等层次，在此基础上进行定性和定量分析。首先，经现场调研，由专家对同一级别作业场所职业危害影响因素的重要性进行两两比较分析，构造优先关系判断矩阵U；其次，并利用求和法[15]及式(3)计算U的最大特征根λmax与对应的权重特征向量ω。

(3)

为使得计算结果合理，需利用式(4)对U进行一致性检验，当RC≤0.1时，认为权重评估较为合理，否则需进行修正，IR由文献[16]确定。

(4)

式中，RC为一致性比例；IR为随机一致性指标。

2.2.2 EWM确定客观权重

EWM是按照信息论基本原理，通过计算指标的信息熵来量化指标相对变化程度对系统的影响[15]。首先，确定第j个评价者关于第i个评价指标的风险等级rij’(i=1，2，3，…，n；j=1，2，3，…，m)，并利用式(5)与(9)分别对正向指标与逆向指标进行归一化处理[17]：

(5)

(6)

式中，rij为第j个评价者对第i个指标的标准值。

其次，由式(7)得第i个指标中第j个评价者的比例fij：

(7)

然后，由式(8)得第i个指标的熵值Hi：

(8)

式中，当fij=0，令fijlnfij=0。

最后，由式(9)可计算得到第i个指标的熵权vi。

(9)

2.2.3 基于欧式距离的组合赋权

为了能反映决策者的主观意见与偏好的同时，又能体现客观数据的基本规律，使主客观权重之间的差异程度与其分配系数相一致，为此，采用距离描述赋权方法间的偏差[18]，从而将两种权重结合起来。定义两权重间的欧式距离函数为d(ωi，νi)：

(10)

用线性加权组合方式确定组合权重Wi，则其表达式为：

Wi=αωi+βνi

(11)

式中，α、β分别为主观权重ωi与客观权重νi的分配系数。为使分配系数与主客观权重的差异程度相同，则有式(12)、式(13)：

d(ωi，νi)2=(α-β)2

(12)

α+β=1

(13)

联立式(10)、式(12)、式(13)，可计算主客观权重间的分配系数α与β，再由式(11)可计算煤矿地铁职业危害综合评价体系各层次指标综合权重。

2.3 基于组合赋权云模型的职业危害分级评价

2.3.1 确定因素集与评估等级集

设有待评价的煤矿作业场所P，按照评价内容的不同属性将影响煤矿作业场所职业危害因素的划分若干个相互独立的子集U={U1，U2，…，Ui，…，Un}(i=1，2，…，m)。若每个评估内容子集Ui有n个评估指标，即有Ui={Ui1，Ui2，…，Uij，…，Uin}(j=1，2，…，n)。若评估指标Uij有N个评估等级，则评估等级集可用Cl={C1，C2，C3，C4，C5}，根据现场调研与文献查阅，亦可将每个评估指标按照不同评估等级划分为不同的评估范围。

2.3.2 云模型数字特征的确定

由已知的正态云模型三个数字特征，利用Matlab2014结合正向云发生器生成足量的云滴，进而实现职业危害评估指标的云图生成。参考相关文献，煤矿作业场所职业危害评价评价指标云模型数字特征可通过式(14)—式(16)进行计算[19]。

(14)

(15)

He=kEn

(16)

式中，Cmax与Cmin分别表示定性指标边界的最大值与最小值，k表示定性指标的随机性与模糊性，本文取0.1。对于单一边界情况，如[Cmax，+∞)或(-∞，Cmin]，则由定性指标边界Cmax与Cmin确定缺省边界参数。

2.3.3 基于组合赋权的评价指标权重计算

利用前文所述的组合赋权计算步骤，结合煤矿作业场所职业危害综合评价指标体系，可计算出各指标的权重值：W={W1，W2，…，Wn}。

2.3.4 基于最大确定度的评价对象分级

由评估结果的属性分级结果，由式(2)、式(17)、式(18)逐层加权得到，煤矿作业场所职业危害的分级评估结果：

(17)

(18)

式中，Wk表示第k个一级指标的组合权重值；Wki表示第i个二级指标的组合权重值；Uj表示待评估对象的n维评估结果中第j个分量；Tj表示待评估对象对应第j级评判等级Vj的综合确定度。

3 案例分析

3.1 工程背景

山西某煤矿是我国建设较早的大型矿井，矿井主采3、6、7、10号煤层，煤层绝大属于中厚煤层，采用机械化采煤法，产量约为1.2Mt/a。通过对该煤矿井下综采工作面职业危害因素进行现场调研，依据表1中的评价准则进行实测与分析，见表2。

表2 某煤矿综采工作面职业危害因素评估值

3.2 云模型数字特征计算

对于本文，若某一评价指标Uij的5个评估等级的区间分别为(0，a]、(a，b]、(b，c]、(c，d]和(d，+ ∞]，则其云模型的期望Ex、熵值En、超熵He可由表3计算。以作业人员状况(U1)为例，其二级指标特征参数计算结果见表4，并利用Matlab2014结合正向云发生器，可实现各指标的云图生成，如图2所示。

表3 评估指标云字特征计算方法

表4 煤矿作业场所职业危害指标的特征参数

图2 煤矿作业场所职业危害指标评估等级云模型

3.3 评价指标组合赋权计算

按照上述AHP法与EWM法权重的计算步骤分别计算指标权重值。由式(10)—式(13)基于欧氏距离可计算各层指标的组合权重分配系数分别为α=0.54，β=0.46，见表5。

表5 煤矿作业场所职业危害指标因素权重值

3.4 评估结果及管控措施分析

利用Matlab将表2中的综采工作面作业岗位职业危害指标实测数据代入各评判等级正态云模型中计算1000次，进而得到各评价指标关于不同指标等级的确定度再结合表6中计算的各指标的组合权重，利用式(17)、式(18)可确定指标的综合确定度，进而可计算得综采工作面作业岗位职业危害评估结果见表6。

表6 某煤矿综采工作面职业危害综合确定度

由表6可知：由最大隶属度原则可知，该煤矿综采工作面职业危害评价等级为C4，其作业人员状况、尘毒因素、环境因素、设备因素以及管理因素评价等级分别为C4、C2、C2、C2、C2，表明该煤矿综采工作面在尘毒、环境、设备以及管理因素的职业危害因素方面具有良好的等级，然而作业人员状况的等级为差，表明应减少作业人员接触职业危害因素的时间与降低采煤区人员的工作强度以提升职业危害因素评价等级。根据该矿的职业卫生检测与评估报告显示，该矿在职业病防护设备设施、职业卫生管理、个体防护用品等方面的评价等级为良，而实际过程中的人员作业时间与职业病患病率则较为严重，表明该模型所评价的结果与该煤矿井下现场情况基本吻合，亦表明该模型具有一定的合理性与可靠性。

4 结 论

1)煤矿井下作业场所职业危害影响因素很多，综合考虑了作业人员状况、尘毒因素、环境因素、设备因素以及管理因素等5方面共计20种主要的作业场所职业危害评价指标，建立评价指标体系，并将职业危害等级划分为C1、C2、C3、C4、C5五个级别。

2)煤矿作业场所职业危害评价是一个复杂的系统，指标众多且相互制约与联系，基于欧式距离将主观的AHP与客观的EWM进行线性耦合，确定了各指标的组合权重，减少了主观权重认为的影响，与此同时避免了单一客观权重的差异。

3)针对煤矿作业场所评估过程指标因素不确定性与模糊性，应用组合赋权方法和云模型理论，构建了煤矿作业场所职业危害组合赋权云模型，可较好的将煤矿作业场所职业危害因素的定性指标以定量的方式呈现，评价结果与实际结果吻合，为煤矿作业场所职业危害评估提供了一种新的借鉴与思路。

4)为实现煤矿井下作业场所职业危害评价的信息化管理，后续可将该模型集成至煤矿井下移动式终端APP[20]，以实现对职业危害检测的智能化信息管理。