令狐建設(shè) 臧 杰

（1.華陽新材料科技集團(tuán)有限公司，山西 陽泉 045000；2.中國礦業(yè)大學(xué)（北京） 應(yīng)急管理與安全工程學(xué)院，北京 100083）

我國煤礦眾多、生產(chǎn)條件和地質(zhì)條件差異較大，各礦區(qū)不同區(qū)域煤與瓦斯突出災(zāi)害表現(xiàn)形式差異也較大，其中陽泉礦區(qū)尤為明顯。根據(jù)礦區(qū)不同區(qū)域的具體情況，在煤礦瓦斯標(biāo)準(zhǔn)化管理的基礎(chǔ)上[1-2]，建立瓦斯風(fēng)險(xiǎn)防控技術(shù)和管理體系的災(zāi)害分類控制方法，實(shí)現(xiàn)標(biāo)準(zhǔn)化和差異化聯(lián)合管控，對(duì)提升瓦斯災(zāi)害風(fēng)險(xiǎn)防控能力具有重要的意義。

目前，以數(shù)據(jù)信息為研究基礎(chǔ)，結(jié)合數(shù)據(jù)挖掘方法和數(shù)據(jù)處理技術(shù)，分析煤與瓦斯突出的孕育、發(fā)生、發(fā)展規(guī)律和模式，進(jìn)而對(duì)突出風(fēng)險(xiǎn)預(yù)測(cè)和預(yù)警，實(shí)現(xiàn)煤與瓦斯突出災(zāi)害的有效防控。目前常用的數(shù)據(jù)挖掘和數(shù)據(jù)處理方法有主成分分析法[3-4]、層次分析法[5]、模糊聚類法[6]、灰色關(guān)聯(lián)法[6]、支持向量機(jī)法[7]等。

本文將數(shù)據(jù)挖掘技術(shù)與多目標(biāo)智能加權(quán)灰靶決策模型相結(jié)合，以陽泉礦區(qū)煤與瓦斯突出風(fēng)險(xiǎn)為研究對(duì)象，分析陽泉礦區(qū)煤與瓦斯突出影響因素之間的作用關(guān)系，對(duì)突出風(fēng)險(xiǎn)差異進(jìn)行分類研究，以便針對(duì)不同突出風(fēng)險(xiǎn)進(jìn)行差異化防控，進(jìn)而提升煤礦突出防控的整體水平。

1 多目標(biāo)智能加權(quán)灰靶決策模型

多目標(biāo)智能加權(quán)灰靶決策模型屬于灰色決策方法，該方法將不同含義、維度和性質(zhì)的決策目標(biāo)（煤與瓦斯突出風(fēng)險(xiǎn)）轉(zhuǎn)化為具有一致性效果的測(cè)度，以灰靶臨界值作為測(cè)度函數(shù)的正負(fù)分界點(diǎn)（即零點(diǎn)）來評(píng)價(jià)一致性效果，并以灰靶臨界值作為灰靶決策的目標(biāo)中心。圖1 是基于多目標(biāo)智能加權(quán)灰靶決策模型的煤與瓦斯突出風(fēng)險(xiǎn)分類示意圖。

圖1 煤與瓦斯突出風(fēng)險(xiǎn)灰靶決策分類示意圖

如圖1 所示，對(duì)于煤與瓦斯突出風(fēng)險(xiǎn)而言，當(dāng)風(fēng)險(xiǎn)值在圖中圓形范圍內(nèi)即稱為“中靶”，否則“脫靶”。靶心值為1，風(fēng)險(xiǎn)值越接近1，即代表越接近靶心，其煤與瓦斯突出風(fēng)險(xiǎn)相應(yīng)越大。反之，在圓形范圍外則代表風(fēng)險(xiǎn)值小于0，無煤與瓦斯突出風(fēng)險(xiǎn)。本文將風(fēng)險(xiǎn)值r=0.3 作為靶心與靶心外圍的分界值：當(dāng)r＆gt;0.3 時(shí)，樣本工作面的突出煤量多大于100 t，具有強(qiáng)煤與瓦斯突出風(fēng)險(xiǎn)；當(dāng)0＆lt;r＆lt;0.3 時(shí)，樣本工作面的煤與瓦斯突出煤量大多在0 至100 t之間，為弱突出風(fēng)險(xiǎn)；當(dāng)r＆lt;0 時(shí)，樣本工作面無突出風(fēng)險(xiǎn)。

圖2 為煤與瓦斯突出風(fēng)險(xiǎn)多目標(biāo)智能加權(quán)灰靶決策模型的主要內(nèi)容，其具體步驟如下：

圖2 模型內(nèi)容示意圖

第一步：根據(jù)煤與瓦斯突出風(fēng)險(xiǎn)事件集A 和對(duì)策集B 構(gòu)造煤與瓦斯突出風(fēng)險(xiǎn)分類決策方案集S。

第二步：確定煤與瓦斯突出風(fēng)險(xiǎn)分類決策目標(biāo)k。

第三步：確定煤與瓦斯突出風(fēng)險(xiǎn)分類各目標(biāo)的決策權(quán)。

任務(wù)型教學(xué)法(task-based approach)，全稱為“以任務(wù)為基礎(chǔ)的教學(xué)法”。20世紀(jì)80年代以來逐漸形成和發(fā)展起來，并成為廣大應(yīng)用語言學(xué)家和外語教學(xué)實(shí)踐者認(rèn)可和接受的外語教學(xué)途徑。任務(wù)型教學(xué)法主張通過運(yùn)用來達(dá)到掌握語言的目標(biāo)，其理論基礎(chǔ)為輸入與互動(dòng)假設(shè)（input and interaction hypothesis）。

第四步：對(duì)煤與瓦斯突出風(fēng)險(xiǎn)分類目標(biāo)k，求解相應(yīng)的目標(biāo)效果樣本矩陣

（1）效益型煤與瓦斯突出風(fēng)險(xiǎn)目標(biāo)效果測(cè)度函數(shù)

第五步：設(shè)定目標(biāo)效果臨界值。

第六步：求k目標(biāo)下的一致效果測(cè)度矩陣

2 煤與瓦斯突出風(fēng)險(xiǎn)差異化分類實(shí)例

根據(jù)多目標(biāo)智能加權(quán)灰靶決策模型對(duì)陽泉礦區(qū)各煤礦工作面瓦斯突出風(fēng)險(xiǎn)等級(jí)進(jìn)行分類，以驗(yàn)證模型的適用性和準(zhǔn)確性。

在煤與瓦斯突出風(fēng)險(xiǎn)分類研究中，各決策要素如下所示：

事件a1=煤與瓦斯突出風(fēng)險(xiǎn)分類；

對(duì)策b1、b2、b3=強(qiáng)、弱、無；

根據(jù)灰色關(guān)聯(lián)分析結(jié)果，選取目標(biāo)對(duì)象為煤體堅(jiān)固性系數(shù)X1、煤層厚度X2、煤的破壞類型X3、煤層瓦斯含量X4、煤層瓦斯壓力X5、煤層透氣性X6、瓦斯放散初速度X7、地應(yīng)力X8、開采深度X9、地質(zhì)構(gòu)造復(fù)雜度X10。

（1）煤與瓦斯突出風(fēng)險(xiǎn)分類

① 煤與瓦斯突出風(fēng)險(xiǎn)分類指標(biāo)

根據(jù)灰色關(guān)聯(lián)分析結(jié)果，煤與瓦斯突出風(fēng)險(xiǎn)分類指標(biāo)與目標(biāo)對(duì)象一致，為上述目標(biāo)對(duì)象對(duì)應(yīng)的十個(gè)指標(biāo)。

② 樣本矩陣的建立

利用建立的多目標(biāo)智能加權(quán)灰靶決策模型，將在陽泉礦區(qū)新景礦、新元礦和寺家莊礦典型突出樣本數(shù)據(jù)作為決策樣本，建立樣本矩陣，見表1。

表1 陽泉礦區(qū)煤與瓦斯突出風(fēng)險(xiǎn)樣本數(shù)據(jù)

③ 一致效果測(cè)度矩陣的建立

依據(jù)《煤礦安全規(guī)程》《防治煤與瓦斯突出細(xì)則》等文件規(guī)定，并結(jié)合陽泉礦區(qū)以往煤與瓦斯突出的經(jīng)驗(yàn)數(shù)據(jù)，確定了各指標(biāo)臨界值，見表2。

表2 指標(biāo)臨界值

④ 指標(biāo)決策權(quán)的確定

將突出煤量作為煤與瓦斯突出風(fēng)險(xiǎn)分類母序列因素，其他指標(biāo)作為子因素，計(jì)算出各指標(biāo)與突出煤量的關(guān)聯(lián)度，經(jīng)過歸一化得到各個(gè)指標(biāo)相對(duì)于突出煤量的影響權(quán)重集，見表3。

表3 指標(biāo)影響權(quán)重值

3 分類結(jié)果及分析

將突出單項(xiàng)指標(biāo)臨界值作為“靶心”，也稱“最優(yōu)”局勢(shì)，根據(jù)各指標(biāo)與靶心之間的偏離程度作為判定各指標(biāo)相對(duì)于該“最優(yōu)”局勢(shì)優(yōu)和劣的程度。經(jīng)計(jì)算得到綜合效果測(cè)度，將量化計(jì)算的突出強(qiáng)度結(jié)果與實(shí)際突出強(qiáng)度進(jìn)行比較，見表 4 所列。

從表4 可以看出，模型計(jì)算結(jié)果與實(shí)際結(jié)果具有較高的一致性，證明該模型可以在很大程度上對(duì)煤與瓦斯突出風(fēng)險(xiǎn)進(jìn)行分類。

表4 煤與瓦斯突出風(fēng)險(xiǎn)分類計(jì)算結(jié)果與實(shí)際情況對(duì)比

4 結(jié)論

（1）針對(duì)陽泉礦區(qū)煤層地質(zhì)條件及瓦斯賦存特征，綜合考慮煤與瓦斯突出風(fēng)險(xiǎn)控制因素復(fù)雜多變的特點(diǎn)，運(yùn)用灰色關(guān)聯(lián)分析法，構(gòu)建了符合陽泉礦區(qū)煤層地質(zhì)條件及瓦斯賦存特征的煤與瓦斯突出風(fēng)險(xiǎn)分類指標(biāo)體系。

（2）根據(jù)多目標(biāo)智能加權(quán)灰靶決策模型的基本原理，建立了符合陽泉礦區(qū)條件的煤與瓦斯突出風(fēng)險(xiǎn)差異化分類模型，利用兩種理論方法各自特點(diǎn)，降低了煤與瓦斯突出風(fēng)險(xiǎn)差異化分類指標(biāo)以及分類結(jié)果的不確定性。

（3）采用在陽泉礦區(qū)收集的實(shí)際樣本數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證，結(jié)果顯示模型分類結(jié)果與實(shí)際情況具有較高的一致性，表明所建模型可以實(shí)現(xiàn)陽泉礦區(qū)煤與瓦斯突出風(fēng)險(xiǎn)等級(jí)的差異化分類。