李 爽，李丁煒，猶夢潔

（1.中國礦業(yè)大學(xué) 管理學(xué)院，江蘇 徐州221008；2.中國礦業(yè)大學(xué) 安全科學(xué)與應(yīng)急管理研究中心，江蘇 徐州 221008）

根據(jù)國家煤礦安監(jiān)局網(wǎng)站信息顯示，2015 年到2018 年我國共發(fā)生煤礦生產(chǎn)重大事故20 起，共造成288 人死亡，煤礦安全生產(chǎn)形勢依然嚴(yán)峻。國內(nèi)外學(xué)者對煤礦安全生產(chǎn)預(yù)控工作開展了大量研究，構(gòu)建了應(yīng)用人工智能技術(shù)的煤礦瓦斯突出、沖擊地壓、地板水災(zāi)等災(zāi)害的預(yù)測系統(tǒng)[1-3]，并將卷積神經(jīng)網(wǎng)絡(luò)和自動編碼器等深度學(xué)習(xí)模型應(yīng)用于健康預(yù)警、設(shè)備預(yù)警和環(huán)境預(yù)警[4-6]。但目前的煤礦安全生產(chǎn)預(yù)控系統(tǒng)仍存在缺陷：風(fēng)險預(yù)測預(yù)警方法相對分散和獨立，處理的風(fēng)險與數(shù)據(jù)類型較少，無法保證預(yù)警的準(zhǔn)確度；在風(fēng)險處于產(chǎn)生的臨界點或已經(jīng)產(chǎn)生時進(jìn)行報警，無法真正實現(xiàn)風(fēng)險預(yù)控；全面系統(tǒng)的安全生產(chǎn)風(fēng)險智能預(yù)警平臺尚未建立等。為了實現(xiàn)煤礦風(fēng)險的預(yù)控，需要全面掌握煤礦在某一時間各項風(fēng)險發(fā)生的分布情況及其對煤礦整體安全的影響程度。安全態(tài)勢感知（security situation awareness，SSA）是通過智能技術(shù)從時間和空間維度來提取所有與安全相關(guān)的因素，對其進(jìn)行分析理解來感知整體的安全狀態(tài)并對未來的安全狀態(tài)進(jìn)行預(yù)測[7],在航空和軍事、電網(wǎng)、計算機網(wǎng)絡(luò)、醫(yī)學(xué)研究[8-10]等領(lǐng)域有較多的研究。將SSA 的概念引入到煤礦安全生產(chǎn)中，從而構(gòu)建智能感知、風(fēng)險動態(tài)評估與智能預(yù)警一體化的礦山安全態(tài)勢感知系統(tǒng)。

1 煤礦安全態(tài)勢感知系統(tǒng)

煤礦安全態(tài)勢的評估因素著眼于某一時間、空間內(nèi)各種風(fēng)險產(chǎn)生的可能性。其基本流程為：通過對煤礦事故因素動態(tài)變化、內(nèi)外部因素相互作用的分析，總結(jié)對煤礦存在潛在威脅的內(nèi)容，提取煤礦安全態(tài)勢要素；探究多因素作用下的煤礦事故誘發(fā)機理，分析識別煤礦風(fēng)險源頭及其影響，并建立態(tài)勢分析模型；通過態(tài)勢分析模型識別已經(jīng)獲取的煤礦數(shù)據(jù)中所隱含的風(fēng)險源對煤礦安全態(tài)勢的影響，評估煤礦系統(tǒng)中存在的潛在威脅，以從全局視角提升煤礦對安全威脅的識別、分析、響應(yīng)能力。

現(xiàn)有的煤礦安全監(jiān)控和報警系統(tǒng)核心思想在于當(dāng)風(fēng)險處于產(chǎn)生的臨界點或已經(jīng)產(chǎn)生時，通過實時的數(shù)據(jù)監(jiān)控和報警功能及時發(fā)現(xiàn)并控制風(fēng)險。區(qū)別于此，煤礦安全態(tài)勢預(yù)測的目的在于，在煤礦進(jìn)入風(fēng)險狀態(tài)之前，對影響煤礦風(fēng)險的主要因素的變化趨勢進(jìn)行分析預(yù)測，在對未來節(jié)點這些數(shù)據(jù)的預(yù)測的基礎(chǔ)上評估該未來節(jié)點風(fēng)險產(chǎn)生的可能性?；谶@種目的，需要構(gòu)建適應(yīng)于度量煤礦安全風(fēng)險態(tài)勢的預(yù)測模型，分析預(yù)測煤礦內(nèi)風(fēng)險產(chǎn)生可能性的變化趨勢，并動態(tài)生成煤礦安全風(fēng)險態(tài)勢圖，以支持系統(tǒng)對于風(fēng)險的提前識別和預(yù)警。

1.1 系統(tǒng)整體架構(gòu)

煤礦安全態(tài)勢感知系統(tǒng)主要由物聯(lián)網(wǎng)信息收集云平臺數(shù)據(jù)管理、煤礦安全態(tài)勢預(yù)測模型、信息可視化平臺、預(yù)警通知4 個部分組成，煤礦安全態(tài)勢感知系統(tǒng)技術(shù)架構(gòu)圖如圖1。系統(tǒng)利用基于物聯(lián)網(wǎng)的信息收集云平臺獲取煤礦實時監(jiān)測數(shù)據(jù)和非實時隱患排查數(shù)據(jù)，依據(jù)安全態(tài)勢預(yù)測指標(biāo)體系構(gòu)建安全態(tài)勢預(yù)測模型，對監(jiān)測數(shù)據(jù)進(jìn)行挖掘和分析，進(jìn)而得出安全態(tài)勢預(yù)測結(jié)論；通過可視化平臺將態(tài)勢預(yù)測結(jié)果可視化展現(xiàn)，并經(jīng)由預(yù)警通知模塊通知相關(guān)的風(fēng)險負(fù)責(zé)人。

圖1 煤礦安全態(tài)勢感知系統(tǒng)技術(shù)架構(gòu)圖Fig.1 Technical architecture diagram of coal mine safety situational awareness system

1.2 物聯(lián)網(wǎng)信息收集云平臺數(shù)據(jù)管理

物聯(lián)網(wǎng)是互聯(lián)網(wǎng)、傳統(tǒng)電信網(wǎng)等信息承載體，讓所有能行使獨立功能的普通物體實現(xiàn)互聯(lián)互通的網(wǎng)絡(luò)。物聯(lián)網(wǎng)及其信息處理、存儲云平臺是基于大數(shù)據(jù)的煤礦安全態(tài)勢預(yù)測系統(tǒng)的起點。為實現(xiàn)對煤礦整體安全態(tài)勢的評估預(yù)測和及時預(yù)警，需要對煤礦實時與非實時安全監(jiān)測數(shù)據(jù)進(jìn)行收集和分析?；谖锫?lián)網(wǎng)技術(shù)，通過煤礦監(jiān)測傳感器收集海量的煤礦實時與非實時監(jiān)測數(shù)據(jù)并將其上傳至計算云平臺。計算云平臺通過對大數(shù)據(jù)的挖掘處理，提取并為煤礦安全態(tài)勢感知系統(tǒng)提供其所需指標(biāo)的數(shù)據(jù)，以進(jìn)行煤礦的安全態(tài)勢分析和風(fēng)險預(yù)測。

物聯(lián)網(wǎng)通過監(jiān)測傳感器收集煤礦監(jiān)測數(shù)據(jù)，上傳至云平臺分析處理。煤礦安全態(tài)勢感知系統(tǒng)通過云平臺數(shù)據(jù)管理模塊借助云平臺提供的數(shù)據(jù)接口實現(xiàn)云平臺與系統(tǒng)的數(shù)據(jù)交流，以實現(xiàn)應(yīng)用于安全態(tài)勢預(yù)測的煤礦監(jiān)測數(shù)據(jù)的下載，以及煤礦預(yù)測預(yù)警結(jié)果的上傳。實現(xiàn)煤礦安全數(shù)據(jù)集約化、網(wǎng)絡(luò)化遠(yuǎn)程管理，充分發(fā)揮物聯(lián)網(wǎng)及云技術(shù)在煤礦安全態(tài)勢預(yù)測中的作用。物聯(lián)網(wǎng)信息收集云平臺數(shù)據(jù)管理主要包括物聯(lián)網(wǎng)數(shù)據(jù)獲取以及本地數(shù)據(jù)上傳2 部分。

1.3 煤礦安全態(tài)勢預(yù)測模型

煤礦安全態(tài)勢預(yù)測模型為系統(tǒng)的核心部分，在構(gòu)建安全態(tài)勢預(yù)測模型的基礎(chǔ)上對煤礦整體安全態(tài)勢進(jìn)行分析和預(yù)測，以實現(xiàn)對煤礦可能風(fēng)險的預(yù)先知悉、評估和診斷，為煤礦安全建設(shè)提供依據(jù)。并將過往、當(dāng)前以及未來時間節(jié)點和安全態(tài)勢評估綜合，形成一個體現(xiàn)對煤礦風(fēng)險的總體評估的安全態(tài)勢走向圖，以及各項風(fēng)險產(chǎn)生可能性變化趨勢圖，通過信息可視化平臺展現(xiàn)給使用者。在安全態(tài)勢預(yù)測模型的評估結(jié)果中，如果未來時間節(jié)點某一區(qū)塊存在某種風(fēng)險，系統(tǒng)將對風(fēng)險進(jìn)行預(yù)警，并通過通知模塊告知相關(guān)負(fù)責(zé)人。

1.4 信息可視化平臺

信息可視化平臺是系統(tǒng)與使用者交互的接口，將管理者在煤礦生產(chǎn)管理中所要的各種信息（煤礦安全態(tài)勢預(yù)測結(jié)果、煤礦風(fēng)險預(yù)測結(jié)果、煤礦作業(yè)信息、系統(tǒng)管理信息）等內(nèi)容進(jìn)行綜合可視化展現(xiàn)。

1）煤礦作業(yè)信息展現(xiàn)。模塊將煤礦作業(yè)信息以圖表的形式展示給礦區(qū)負(fù)責(zé)人，并支持其對作業(yè)信息的新增和更改。礦區(qū)需要進(jìn)行作業(yè)時，負(fù)責(zé)人創(chuàng)建作業(yè)信息，系統(tǒng)通過信息通知模塊通知相應(yīng)礦區(qū)的負(fù)責(zé)人以協(xié)調(diào)工作。同時模塊還會協(xié)調(diào)安全態(tài)勢預(yù)測模塊，在作業(yè)期間停止對作業(yè)所影響的風(fēng)險指標(biāo)進(jìn)行預(yù)測預(yù)警。

2）系統(tǒng)管理信息展現(xiàn)。模塊將系統(tǒng)用戶、用戶權(quán)限、系統(tǒng)參數(shù)設(shè)定、相關(guān)負(fù)責(zé)人設(shè)定、煤礦區(qū)塊劃分、預(yù)測預(yù)警指標(biāo)體系、安全態(tài)勢模型參數(shù)等系統(tǒng)管理信息展示給系統(tǒng)管理者，并持支其對各項參數(shù)的修改。同時對后臺管理模塊的一切操作進(jìn)行記錄，以便后續(xù)的審計工作開展。

1.5 預(yù)警通知

當(dāng)作業(yè)人員發(fā)布新的作業(yè)后，模塊根據(jù)作業(yè)信息中的作業(yè)位置，及時告知后臺管理模塊負(fù)責(zé)人管理中所設(shè)定的改作業(yè)區(qū)塊的負(fù)責(zé)人，以便區(qū)塊負(fù)責(zé)人協(xié)調(diào)工作。當(dāng)煤礦處于風(fēng)險狀態(tài)并進(jìn)行風(fēng)險預(yù)警后，模塊立即通知存在風(fēng)險隱患的區(qū)塊的負(fù)責(zé)人，同時通知諸如煤礦礦長等管理人員。信息通知方式采用短信通知、郵件通知、系統(tǒng)手機客戶端多種方式并行通知。

2 煤礦安全態(tài)勢預(yù)測模型方案

煤礦安全態(tài)勢預(yù)測模型的建立包括2 個部分，安全態(tài)勢預(yù)測指標(biāo)體系和安全態(tài)勢預(yù)測模型。指標(biāo)體系的建立基于對煤礦事故記錄的分析以提取煤礦風(fēng)險影響因子，并通過貝葉斯網(wǎng)絡(luò)（Bayesian Network，BN）提取事故致因鏈以區(qū)分多級指標(biāo)。預(yù)測模型的建立基于粗糙集理論（Rough Set, RS）和支持向量機（Support Vector Machine, SVM）的結(jié)合應(yīng)用，通過機器學(xué)習(xí)的方式對各項風(fēng)險直接影響因素進(jìn)行一級預(yù)測，并根據(jù)貝葉斯網(wǎng)絡(luò)模型對風(fēng)險發(fā)生的可能性進(jìn)行二級預(yù)測，以實現(xiàn)煤礦安全態(tài)勢的預(yù)測和風(fēng)險的預(yù)警。

2.1 預(yù)處理階段

預(yù)處理階段的目的是明確煤礦存在的風(fēng)險，確定進(jìn)行煤礦安全態(tài)勢預(yù)測所需要監(jiān)測獲得的數(shù)據(jù)。系統(tǒng)依據(jù)全國煤礦事故數(shù)據(jù)提取出5 個主要煤礦事故：瓦斯、頂板、運輸、水災(zāi)以及機電事故,以及會導(dǎo)致各項煤礦事故的危險源，并結(jié)合專家經(jīng)驗習(xí)構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。通過貝葉斯網(wǎng)絡(luò)圖可以得到各項事故的致因鏈以及各個節(jié)點的概率分布。依據(jù)事故致因鏈，可以進(jìn)一步區(qū)分導(dǎo)致事故的直接因素也即一級指標(biāo)，以及間接因素也即多級指標(biāo)。具體流程如下：①根據(jù)全國煤礦安全事故記錄或地區(qū)煤礦安全事故提取出煤礦主要風(fēng)險及危險源，并對事故樣本進(jìn)行參數(shù)學(xué)習(xí)和結(jié)構(gòu)學(xué)習(xí)，生成貝葉斯網(wǎng)絡(luò)；②地區(qū)煤礦專家根據(jù)經(jīng)驗調(diào)整概率網(wǎng)絡(luò)圖，分析獲得各風(fēng)險的致因鏈以及各節(jié)點概率；③根據(jù)貝葉斯網(wǎng)絡(luò)概率圖和風(fēng)險致因鏈，區(qū)分影響煤礦風(fēng)險的一級指標(biāo)和多級指標(biāo)，并得到風(fēng)險二級預(yù)測模型，用于后續(xù)的安全態(tài)勢預(yù)測；④根據(jù)物聯(lián)網(wǎng)收集的監(jiān)測數(shù)據(jù)動態(tài)調(diào)整概率網(wǎng)絡(luò)，逐漸得到最適應(yīng)地區(qū)煤礦的指標(biāo)體系及概率分布。以煤礦瓦斯事故為例實施預(yù)處理階段，以2000 年至2018 年間全國瓦斯事故為樣本，總結(jié)并歸納事故原因，構(gòu)建瓦斯事故的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。根據(jù)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)提取以下信息。

2.1.1 多級指標(biāo)體系

由貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)分析得知，會導(dǎo)致瓦斯事故風(fēng)險的直接因素有明火、電器失爆、瓦斯積聚3 項，稱一級指標(biāo)，記為FWi0對瓦斯事故各條一級指標(biāo)致因鏈進(jìn)行分析，確認(rèn)對一級指標(biāo)存在直接或間接影響的因素，稱多級指標(biāo)，記為MWi0一級指標(biāo)明火FW1，對應(yīng)的多級指標(biāo)為：安全培訓(xùn)不到位MW11、安全執(zhí)行能力弱MW12、技術(shù)管理不到位MW13、礦工安全意識低MW14、摩擦撞擊MW15、“三違”行為MW16共6 項。一級指標(biāo)電器失爆F(xiàn)W2，對應(yīng)的多級指標(biāo)為MW11、MW12、MW13、MW14、MW16、設(shè)備老化MW17等6 項。一級指標(biāo)瓦斯積聚FW3，對應(yīng)的多級指標(biāo)為MW13、通風(fēng)系統(tǒng)混亂MW18、瓦斯監(jiān)控系統(tǒng)故障MW19、瓦斯涌出MW110等4 項。

2.1.2 風(fēng)險二級預(yù)測模型

對于t 時刻瓦斯事故風(fēng)險，該時刻此風(fēng)險對應(yīng)的一級指標(biāo)樣本取值集合為FW＝f＝｛FW1＝f1，F(xiàn)W2＝f2，F(xiàn)W3＝f3，預(yù)測在FW＝f 條件下該時刻瓦斯事故風(fēng)險的后驗概率，以此評估該時刻PW＝Y(jié) 的可能性, 其中PW＝Y(jié) 表示瓦斯風(fēng)險PW發(fā)生。概率模型計算公式為：

一級指標(biāo)與其對應(yīng)多級指標(biāo)處于同一致因鏈，兩者之間存在一定程度的聯(lián)系。但由于該預(yù)處理階段通過全國歷史事故數(shù)據(jù)學(xué)習(xí)與專家經(jīng)驗結(jié)合構(gòu)建貝葉斯網(wǎng)絡(luò)，據(jù)此考察實際煤礦的兩者之間的映射關(guān)系存在局限性，因此系統(tǒng)將煤礦風(fēng)險預(yù)測分為2級，在預(yù)處理階段并不進(jìn)一步探究兩者間的聯(lián)系。

2.2 數(shù)據(jù)處理階段

數(shù)據(jù)處理階段將來自云平臺的實時數(shù)據(jù)和非實時數(shù)據(jù)作為輸入，并進(jìn)行過濾、融合及精簡處理。

1）數(shù)據(jù)過濾的目的是剔除不符合約束要求的數(shù)據(jù)，數(shù)據(jù)過濾將剔除監(jiān)測數(shù)據(jù)中因各種原因?qū)е碌娜缑黠@數(shù)據(jù)異常、錯誤格式數(shù)據(jù)等錯誤數(shù)據(jù)，并通過RS 理論對缺失數(shù)據(jù)進(jìn)行補完。

2）數(shù)據(jù)精簡的目的是通過RS 理論在數(shù)據(jù)分析的基礎(chǔ)上剔除對事故風(fēng)險影響可以忽略的指標(biāo)，從而減少SVM 模型的訓(xùn)練時間，降低其復(fù)雜程度。

3）數(shù)據(jù)合并的目的是將同一監(jiān)測區(qū)域的多個同類監(jiān)測數(shù)據(jù)進(jìn)行合并處理，以精確定位風(fēng)險區(qū)域并減少風(fēng)險分析中的重復(fù)計算。合并策略是風(fēng)險最大估計策略，即在一個小范圍的檢測區(qū)域內(nèi)，同類型的監(jiān)測數(shù)據(jù)取其中最壞的結(jié)果，以避免風(fēng)險漏報的可能性。具體流程為：取最差值：一個煤礦區(qū)塊同一項監(jiān)測指標(biāo)的全部傳感器取值集合為Vw={V1，V2，V3，…，Vw}，對這組數(shù)據(jù)正向化處理并取最小值min（Vw）。歸一化處理：對全部監(jiān)測數(shù)據(jù)歸一化，采用最大最小標(biāo)準(zhǔn)化法，以進(jìn)行一級指標(biāo)預(yù)測階段SVM 模型的訓(xùn)練。數(shù)據(jù)合并同時對非實時數(shù)據(jù)進(jìn)行實時歸類，依據(jù)專家意見為非實時數(shù)據(jù)設(shè)定的效應(yīng)時間t，當(dāng)一個非實時數(shù)據(jù)上傳至系統(tǒng)后，在其發(fā)生時間后的t 時間內(nèi)，將其視為實時數(shù)據(jù)用于態(tài)勢預(yù)測。

2.3 風(fēng)險預(yù)測階段

一級指標(biāo)預(yù)測階段實現(xiàn)對煤礦風(fēng)險可能性的預(yù)測。實際場合中，地區(qū)煤礦的事故數(shù)據(jù)較難獲得，將全國歷史數(shù)據(jù)用于地方煤礦建模適用程度有限；而人為設(shè)定的煤礦風(fēng)險評估值較主觀，缺乏公信力。為此，系統(tǒng)將風(fēng)險預(yù)測中的預(yù)測階段分為2 級。

1）一級預(yù)測。通過構(gòu)建一級指標(biāo)與其對應(yīng)的多級指標(biāo)間的SVM 一級預(yù)測模型對一級指標(biāo)進(jìn)行預(yù)測。相比于難以獲得的煤礦事故數(shù)據(jù)，煤礦內(nèi)一級指標(biāo)和多級指標(biāo)數(shù)據(jù)在監(jiān)測物聯(lián)網(wǎng)的支持下是可以精確獲取的，以多級指標(biāo)為輸入自變量，對應(yīng)下一時間節(jié)點的一級指標(biāo)為輸入因變量構(gòu)建一級指標(biāo)的預(yù)測模型。系統(tǒng)采用RBF 核函數(shù)作為SVM 模型的特征函數(shù)，核函數(shù)參數(shù)g 和錯誤懲罰因子C 根據(jù)煤礦具體情況和專家意見確定。

2）二級預(yù)測。根據(jù)各項風(fēng)險對應(yīng)的一級指標(biāo)預(yù)測結(jié)果通過貝葉斯網(wǎng)絡(luò)風(fēng)險二級預(yù)測模型評估此未來時間節(jié)點風(fēng)險產(chǎn)生的可能性。風(fēng)險可能性預(yù)測后，據(jù)此對風(fēng)險進(jìn)行分級，以評估其對煤礦整體安全態(tài)勢的影響，風(fēng)險分級見表1。同時，為了滿足煤礦具體至某一區(qū)塊的報警需求，需要在風(fēng)險預(yù)測階段識別風(fēng)險發(fā)生區(qū)域，此階段對煤礦中所有區(qū)塊進(jìn)行單獨的風(fēng)險預(yù)測。

表1 安全態(tài)勢影響的風(fēng)險等級Table 1 Risk level of security situation impact

2.4 態(tài)勢評估階段

煤礦安全態(tài)勢就是煤礦在某一時間節(jié)點內(nèi)各項風(fēng)險發(fā)生的分布情況及其對煤礦整體安全的影響程度,與時間變化、空間分布存在關(guān)系，并且表現(xiàn)為風(fēng)險的嚴(yán)重程度和影響范圍。對于某一時刻煤礦整體的安全態(tài)勢，需要對此時刻所有風(fēng)險的影響進(jìn)行計算和累加得到反應(yīng)煤礦安全狀態(tài)的態(tài)勢值。

t 時刻風(fēng)險N 對于煤礦整體安全的影響以安全態(tài)勢評估值SN（t）表示，計算公式為：

式中：P 為風(fēng)險可能性；L 為風(fēng)險等級；T 為風(fēng)險告警時間；S 為風(fēng)險影響范圍；M 為該風(fēng)險所有可能存在的區(qū)域的數(shù)量。

T 默認(rèn)值為1，當(dāng)某一區(qū)塊預(yù)測風(fēng)險存在并預(yù)警后，未及時解除風(fēng)險狀態(tài)，至下一時刻該區(qū)塊該風(fēng)險仍然存在，則T 值加1。

對于煤礦整體安全態(tài)勢，需要考慮所有評估維度的影響。煤礦整體安全態(tài)勢評估值S（t）計算為：

式中：N 為主要風(fēng)險的數(shù)量，N=5；Wi為根據(jù)煤礦實際情況參考專家經(jīng)驗為各項風(fēng)險設(shè)定的權(quán)重。

對于單項風(fēng)險或是煤礦整體的安全態(tài)勢評估值，當(dāng)評估值為0 時，煤礦所有區(qū)塊都不存在風(fēng)險。當(dāng)評估值不為0 時，表明煤礦內(nèi)存在風(fēng)險，并且值越大，風(fēng)險可能性越高、風(fēng)險影響時間與范圍越廣或是存在的風(fēng)險越多。

3 實例分析

安全態(tài)勢預(yù)測建模數(shù)據(jù)來源于山西長治霍爾辛赫試點煤礦物聯(lián)網(wǎng)建設(shè)，鑒于該項目建設(shè)尚未全部完成，無法提供完整的監(jiān)測數(shù)據(jù)，僅以瓦斯風(fēng)險為例，從瓦斯風(fēng)險這1 單一維度對該礦進(jìn)行安全態(tài)勢預(yù)測。樣本數(shù)據(jù)為30 min 上傳1 次的監(jiān)測數(shù)據(jù)，共計48 組樣本。使用36 組數(shù)據(jù)作為訓(xùn)練集構(gòu)建預(yù)測模型，12 組數(shù)據(jù)作為測試集對試點煤礦進(jìn)行瓦斯風(fēng)險預(yù)測以及態(tài)勢評估結(jié)果見表2。由結(jié)果可知，在監(jiān)測時間內(nèi)，雖然由于短暫出現(xiàn)火源和瓦斯?jié)舛忍嵘龑?dǎo)致瓦斯風(fēng)險可能性上升，但提升幅度較小，仍處于無風(fēng)險范圍內(nèi)。由于監(jiān)測時間內(nèi)樣本區(qū)塊始終處于無風(fēng)險狀態(tài)，瓦斯風(fēng)險安全態(tài)勢評估值始終為0，證明在監(jiān)測時間段內(nèi)樣本區(qū)塊瓦斯單項風(fēng)險的安全態(tài)勢處于良好的狀態(tài)，這與樣本區(qū)塊在該時間段未產(chǎn)生瓦斯風(fēng)險這一事實相符。這一階段內(nèi)區(qū)塊瓦斯風(fēng)險態(tài)勢評估值變化曲線是一條取值始終為0 的線段。

表2 瓦斯風(fēng)險預(yù)測Table 2 Gas risk forecast

4 結(jié) 語

將安全態(tài)勢感知的概念引入煤礦安全領(lǐng)域之中，評估各時間節(jié)點內(nèi)煤礦風(fēng)險發(fā)生的分布情況及其對煤礦整體安全的影響程度，以實現(xiàn)在風(fēng)險產(chǎn)生前預(yù)測風(fēng)險的到來并提前識別風(fēng)險、消除風(fēng)險的目的。同時提出了一種基于煤礦風(fēng)險維度的煤礦整體安全態(tài)勢評價方法，以煤礦安全態(tài)勢走向圖的形式為煤礦管理者提供一種極其直觀簡明了解煤礦整體安全情況的方法，并在此基礎(chǔ)上構(gòu)建了集智能感知、風(fēng)險動態(tài)評估與智能預(yù)警于一體化的礦山安全態(tài)勢感知系統(tǒng)，以實現(xiàn)煤礦安全管理的定量化、自動化、智能化，為管理者進(jìn)行管理決策提供相當(dāng)程度的支持。