基于云模型的煤矿安全风险四色图动态管控系统研究

雷咸锐，薛跃强，薛黎明，李清汝，王兰芬，刘冬旭

（1.山西潞安环保能源开发股份有限公司安全监察部，山西 长治 047500；2.中国矿业大学（北京），北京 100083）

0 引言

煤矿安全是保障国家能源安全和社会稳定发展的基石[1]。然而，近年来发生的煤矿生产重特大事故暴露出当前安全生产领域“认不清、想不到”的突出问题，原因是井下工作环境复杂多变、隐患排查不到位、安全风险分级管控和隐患排查治理工作未形成长效机制，导致重特大事故仍时有发生，没有得到根本遏制。煤矿安全风险分级防控四色图是保障煤矿安全生产的重要途径[2]，对于煤矿企业来说，生产活动中的风险评估确认应当是一个经常性、持续性的环节，随着管理过程的日益复杂，以及公众对管理要求的不断提高，煤矿安全风险评估还面临着信息化、智能化安全管理的升级需求。杨昊鹏等[3]面向过程构建了煤矿安全生产标准化评价体系；何宁等[4]研究煤矿安全生产管理体系及智能化；郭爱伟等[5]将煤矿安全生产管理关口再度前移，强化对煤矿生产一线的安全管理，提出了基于FP-Growth 算法的煤矿安全信息管理系统；曾发镔等[6]建立了安全生产标准化的双重预防机制APP，提高了安全生产水平；YU[7]基于计算机技术构建了煤矿安全监控海量数据处理系统；NIKITENKO 等[8]为煤炭开采行业数字化转型构建了多功能安全系统。然而，目前针对煤矿安全风险评估的智能化研究较少，安全风险分布四色图在煤炭行业中刚刚起步，对事故发生的可能性和事故后果的严重程度判定尚存在科学研究的空白，评估标准大多还停留在文本挖掘和经验认识范畴[9]。基于此目的发展了风险矩阵法、作业条件危险性评价法等半定量或定量的风险评估方法，这些评估方法很大程度依赖于评估人员的专业性和经验性，现阶段难以实现标准化推广。同时，传统煤矿安全风险四色图制作时间长、效率低、不易修改等问题也极大限制了四色图在保障煤矿安全生产中发挥重要作用。

为了进一步提高煤矿安全管理水平，紧跟煤矿安全管理信息化、智能化的发展趋势，构建了基于云模型的煤矿安全风险四色图动态管控系统。通过四色图与云模型的有机融合，全方位辨识、分析、控制煤矿安全风险，实现煤矿安全风险分级与动态管理，为预防及减少煤矿事故提供理论依据和支持，保障煤矿生产安全。

1 评价指标及评价方法

1.1 评价指标

传统指标体系中的等级阈值通常是基于经验总结的结果，对应于特定的数值[10]。然而，这种方法在适应煤矿不同环境和条件变化方面存在一些困难，难以兼顾等级的模糊性[11-12]。本文采用云变换理论，并选择了与煤矿安全风险评价相关的3 个主要因素作为评价指标，评价指标来源于作业危险条件评价法，分别是事故发生可能性（L）、暴露于危险环境中的频繁度（E）和发生事故产生的后果（C）。这3 个因素在煤矿安全风险评价中具有重要意义，涵盖了事故的发生概率、工作环境的危险程度以及事故发生后的影响等方面。云模型方法可以通过建立云关系矩阵，描述评价指标之间的相互影响程度，从而更准确地评估煤矿安全风险等级。评价指标描述及得分情况见表1。

表1 评价指标描述及分值Table 1 Description and score of evaluation indicators 单位：分

1.2 评价方法

1.2.1 云定义

在云模型中，“云”通常指的是云计算（Cloud Computing）中的云服务[13]。云模型是一种用于处理不确定性和模糊性信息的数学模型，而在云计算的背景下，“云”特指通过网络提供计算、存储、数据库、网络、软件等服务的虚拟化资源池。在云模型中，“云”可以被视为一个抽象的计算资源和服务的提供者，是一种灵活、可访问的计算模型，为用户提供了便利和效率[14]，将云模型和作业危险条件评价方法结合，能够考虑到煤矿生产环节的多种风险因素，对煤矿安全风险评价具有综合性、定量化、客观性、指导性和全面性等诸多优点，有助于提高煤矿安全管理的科学性和有效性。

1.2.2 云的数字特征

一维云模型描述单指标对系统的影响，采用（Ex,En,He）数字特征来定量地表达定性的概念，在煤矿安全风险评估中，需要考虑多个相关指标，并综合考虑来确定风险等级，包括对事故发生可能性、暴露于危险环境中的频繁度，以及发生事故产生的后果等指标进行综合评估。云模型可以描述风险指标的模糊性和不确定性，通过数字特征来定量地表达指标的特点。煤矿风险等级的数字特征见表2。由表2可知，其中期望（Ex）反映随机变量平均取值的大小；熵（En）反映论域的范围；超熵（He）反映了熵（En）的不确定性，超熵越大，说明模型的不确定性越大，模型云厚度越大[15]。由数字特征决定了一维云模型的期望曲线，其表达式见式（1）。

表2 风险等级数字特征Table 2 Digital characteristics of risk levels

1.2.3 云发生器

模型的核心算法是云发生器，通过云发生器能实现定量定性的转化，计算确定度和云图的绘制等，云发生器的步骤如下所述。

1）Input：期望Ex、熵En、超熵He和云滴数N。

①初次生成正态随机Eni=NORM（En，He）；其中，NORM 为正态分布函数[15]。

②生成正态随机xi=NORM（Ex，E2ni）。

③计算确定度，见式（2）。

式中，引入了随机变量Eni，由此引入了随机性。

④坐标（xi,μi）可以代表一个云滴。

⑤重复上述步骤直到产生设定的n个云滴为止，云模型中的各个云滴组团即构成了云图。

2）Output：N个云滴。

通过云发生器得到一维云模型云图，并将Ex、En和He数字特征在云图中进行了具体化。

1.3 指标等级阈值的确定与风险等级划分

通过逆向云发生器对大量指标数据进行分析，再通过云变换得到不同等级的云图，实现了等级的柔性划分，各指标等级云图如图1 所示。其中，横坐标表示不同的风险等级，纵坐标表示该等级的确定度，云的形状是由各指标的权重和得分决定的，通常是根据模糊综合评价理论绘制而成，不同权重和得分的组合会形成不同形状的云，反映了综合评价结果的多样性和复杂性。由图1 可知，指标等级为一个云图，且各云图存在交叉，体现了等级值的模糊性，同时对定性指标进行量化处理。云图既可以确定各指标的等级，也构造了确定度函数，为模糊综合评价和未确知测度等理论提供了基础。云图上某一点的确定度是在一定范围内随机波动的，不是一个固定值，体现了等级值的随机性[15]。

图1 各指标等级云图Fig.1 Cloud map of each indicator level

五阳煤矿是一座大型现代化矿井，位于潞安矿区东北部边缘，行政区划属长治市，坐落于襄垣县王桥镇，井田南北长约12.97 km，东西宽约10 km，井田面积约58.951 3 km2，现核定生产能力为360 万t/a。本文根据五阳矿现场实际情况，选取与安全风险评价有关的3 个指标，将指标数据带入云模型，通过云发生器将其确定度矩阵和权重矩阵相乘得到最终的评价矩阵，部分安全风险的等级评价矩阵见表3。

表3 风险等级评价矩阵Table 3 Matrix of risk grade evaluation

基于阈值或标准，根据矩阵中的映射关系，计算每个风险因素的最终风险等级。通过将横纵坐标的值相结合，以及采用权重和的方式来计算，以最大确定度原则确定最终的评价等级，结果对照评估参数表确定安全风险等级，分别对应红、橙、黄、蓝4 种颜色。评估参数见表4。

表4 评估参数Table 4 Evaluation parameters

2 系统架构及软件编制

2.1 系统架构

云模型与四色图动态管控系统充分融合的关键在于有效整合两者的数据和功能，以实现协同工作和性能优化。

首先，需要建立云端平台，用于存储和处理大规模数据，同时提供强大的计算资源。在云平台上，将四色图动态管控系统的数据源整合进来，确保实时、准确地获取地理信息、人口统计等关键数据。

其次，通过开发和使用合适的API 和接口，实现云模型与四色图动态管控系统的通信和数据交换，可以包括实时数据传输、共享模型输出结果等。通过建立高效的数据通道，确保云端模型能够根据四色图动态管控系统的实时反馈动态调整和优化模型参数，以更好地适应实际情况。另外，引入先进的机器学习和人工智能算法，使云模型能够自主学习和优化，不断提高其预测和分析能力。同时，将四色图动态管控系统的实时监测结果作为反馈，用于实时更新模型，从而更精准地预测未来趋势和变化。

最后，建立用户友好的界面和控制台，使用户能够轻松地访问云模型和四色图动态管控系统的功能，进行灵活的配置和调整。基于云模型的煤矿安全风险四色图动态管控系统主要由硬件和软件构成[16]。该系统通过四色图的变化实时反映煤矿各个区域的风险情况。系统的数据来源是煤矿企业上传的基础数据，用户可以通过数据输入界面与系统进行交互。系统利用嵌入的云模型，调用数据处理和渲染模块，将风险评估结果与煤矿区域建立联系。利用系统的实时互馈机制，系统可以自动完成由数据到四色图的调控过程。通过该系统，管理人员能够实时了解煤矿的风险状态，并及时采取相应的管控措施，以提高煤矿安全管理的效率和准确性[17]。

煤矿安全风险四色图动态管控系统架构主要由运行环境、数据层、业务层和展示层4 层架构构成，如图2 所示。其中，数据层对系统数据进行处理和存储；业务层对煤矿风险等级进行评价，将煤矿风险等级评价结果与煤矿风险区域进行关联，主要包括风险评价、分区管理、风险颜色实时调控等；展示层对煤矿风险区域进行渲染，主要应用pixi.js 渲染引擎。

图2 系统架构图Fig.2 Diagram of system architecture

2.2 数据架构

数据架构采用分层方式，包括数据来源层、数据处理层和数据存储层，如图3 所示。数据来源层主要包括煤矿企业风险点数据、评价指标值数据、煤矿区域风险划分数据等，这些数据通过人工录入方式获取。数据处理层采用云模型对录入数据进行评价处理，并生成不同等级，将处理后的数据与煤矿风险区域进行关联，为煤矿安全风险动态管控提供数据基础[18]。数据存储层主要将数据来源层和数据处理层的数据进行存储，并提供数据的索引和查询功能。同时按照用户需求提供各种格式数据的导出，从而实现系统的数据转换。

图3 数据架构图Fig.3 Diagram of data architecture

2.3 系统软件编制

煤矿安全风险四色图动态管控系统主要以渲染为主体，结合大量数据，既发挥了云模型解决风险评估过程中的模糊性和不确定性问题，又体现了煤矿安全风险四色图动态管控系统对煤矿风险分布和等级的直观展示，从而对煤矿安全风险进行全面动态管控[16]。

这条线路以休闲观光为主，以欣赏庐山西海和庐山佛教圣地的建筑艺术、坐禅文化，感受庐山西海及庐山的自然风光。

煤矿安全风险四色图动态管控系统主要包括服务器端和客户端。客户端主要进行数据录入（风险点数据、评价指标值数据、风险区域数据）和煤矿安全风险四色图展示。服务器主要完成数据处理和存储等功能。煤矿安全风险四色图动态管控系统功能模块主要包括煤矿安全风险等级评估模块和安全风险动态管控四色图模块，如图4 所示。其中，煤矿安全风险等级评估模块包括：风险点管理、评价指标管理、风险评估、风险分区。安全风险动态管控四色图模块包括风险等级评估与上色、动态管控、风险点信息介绍、风险四色图导出。

图4 系统总体功能Fig.4 Overall function of the system

3 应用实例

3.1 煤矿安全风险等级评估

基于云模型的煤矿安全风险四色图动态管控系统提供了强大的风险点管理和风险评估功能，旨在提升煤矿安全管理的效率和准确性[19]。系统的风险点管理页面为用户提供了便捷的风险管理工具，主要功能如下所述。

1）风险管理清单下载：用户可以通过模板下载功能，获得包括风险点、辨识对象、检查项目、风险类型、风险描述、管控措施、责任岗位等在内的风险管理清单。该清单提供了全面的风险信息，为准确辨识和评估风险提供了便利。

2）风险点数据上传与导出：用户可以通过上传Excel 功能，将风险点数据批量导入系统中，实现风险点的快速录入和管理。同时，系统支持风险点数据的导出功能，用户可以将已经录入系统的风险点数据导出为Excel 格式，方便进行数据备份、分析和共享。

在风险评估页面，系统内嵌了云模型风险评估系统，为煤矿中的各个风险点提供了准确的风险等级评估。主要功能如下所述。

1）自动风险等级评估：用户可以通过输入LEC（Likelihood、Exposure、Consequence）值，系统将根据预设的评估模型自动进行风险等级的评估。针对特殊的风险点，系统支持用户手动修改风险等级。这使得用户能够根据实际情况进行灵活调整，确保风险评估结果更加准确。

2）分区功能：系统提供了分区功能，可以将煤矿划分为不同的区域。同一风险点的不同辨识对象将在同一分区内进行管理。使风险点的归类更加清晰。五阳煤矿各风险点评估结果如图5 所示。

图5 五阳煤矿各风险点评估结果Fig.5 Assessment results of each risk point in Wuyang Coal Mine

3.2 安全风险动态管控四色图

煤矿安全风险四色图通过使用不同颜色来表示不同风险等级，帮助用户直观地了解煤矿中存在的风险情况。

1）风险等级评估与上色：系统通过第一步的风险点等级评估，根据每个风险点（即分区）中辨识对象的最高风险等级，为该分区上色。用红橙黄蓝4色标识重大风险区域、较大风险区域、一般风险区域、低风险区域，使用户能够全面地了解各个分区的风险程度[21]。

2）动态管控：当分区的最高风险等级发生改变时，四色图会实时发生变化。通过实时反馈机制帮助用户制定有针对性的控制措施和改进计划，针对高风险区域采取及时有效的风险控制措施，提高煤矿的安全性能和风险防范能力。

3）风险点信息介绍：用户可以点击各个分区，以查看该风险点的详细信息。包括风险名称、风险描述和风险类型等。

4）风险四色图导出：系统支持部分区域四色图导出，用户可以选择需要导出的特定区域进行下载[22]，同时系统也支持全局矢量图导出，方便进行全局的风险分析和报告制作。五阳矿七五回风大巷区域风险四色图如图6 所示。

图6 五阳煤矿风险四色图Fig.6 Four-color map of risk in Wuyang Coal Mine

通过以上功能，煤矿安全风险四色图能够直观地展示煤矿中的风险分布和等级，帮助管理人员和相关人员更好地了解煤矿安全状况，及时采取有效的管控措施。

4 结论

1）通过使用云模型风险评估系统，能够有效提高风险辨识评估的准确性。云模型可以解决风险评估过程中的模糊性和不确定性问题，提供更科学的风险等级评估结果，为煤矿安全管理提供准确的风险等级信息。

2）基于云模型的煤矿安全风险四色图动态管控系统具备实时动态管控功能。系统能够根据风险等级评估结果，实时更新四色图的颜色，反映煤矿中各个分区的风险情况。这种实时反馈机制使管理人员能够实时了解煤矿的风险状态，并及时采取相应的管控措施，提高煤矿安全管理的效率和准确性。

3）该系统在山西潞安五阳矿井成功运用，未来可以进一步扩展应用到更多煤矿中，为煤矿安全管理信息化、智能化的发展提供支持。通过不断完善系统功能，为煤矿提供更全面的安全风险管理手段。