基于4M-C-I煤矿安全评价指标体系的灰色关联分析

针对现有煤矿安全评价指标体系不能全面体现事故发生根本原因的问题,从人员、设备、环境、管理、安全文化和安全信息6个方面分析了煤矿安全评价影响因素,给出了煤矿事故轨迹交叉致因模型,建立了煤矿安全评价指标体系,对影响煤矿安全事故的因素进行灰色关联分析,明确各因素间的耦合及关联关系。应用结果表明,该分析能客观评价煤矿企业的真实安全程度,为煤矿事故预测提供实施决策管理。     

基于4M-C-I煤矿安全评价指标体系的灰色关联分析

针对现有煤矿安全评价指标体系不能全面体现事故发生根本原因的问题,从人员、设备、环境、管理、安全文化和安全信息6个方面分析了煤矿安全评价影响因素,给出了煤矿事故轨迹交叉致因模型,建立了煤矿安全评价指标体系,对影响煤矿安全事故的因素进行灰色关联分析,明确各因素间的耦合及关联关系。应用结果表明,该分析能客观评价煤矿企业的真实安全程度,为煤矿事故预测提供实施决策管理。     

改进神经网络煤矿安全评价模型仿真研究

研究煤矿安全评价准确性问题。煤矿生产安全问题一直是国内外研究的热点,针对传统的安全评价算法难以评价出煤矿安全生产中出现的情况,评价预测准确率低等问题,提出了基于BP神经网络算法煤矿安全评价模型。采用BP神经网络的特点是可以逼近任意的非线性函数,但是BP神经网络并非完美的神经网络,采用遗传算法优化BP神经网络可以克服其缺点,将改进的算法应用于煤矿系统安全评价之中,仿真结果表明,基于改进的BP神经网络煤矿安全评价模型方法有效性和实用性,能够正确评价安全生产状态。     

事故树模型在煤矿安全量化管理中的应用

针对某些煤矿生产管理手段相对滞后、管理无法量化、控制无法程序化、不能从整体上有效地预防事故发生等问题,提出了一种基于事故树的煤矿安全量化管理系统的设计方案。该系统通过对涉及到煤矿安全的相关数据进行量化处理,利用事故树分析模型,实现煤矿所有地点的动态安全评估。多个煤矿的实际应用结果表明,该系统能够全面有效地推进煤矿安全管理的规范化、信息化、标准化,提升煤矿企业的安全管理水平。     

基于云模型和组合赋权的煤矿安全风险评价

针对我国煤矿安全风险评价基础薄弱、手段单一、客观性不强等问题,结合云模型理论和基于层次分析法主观赋权、灰关联分析客观赋权的组合赋权方法,构建了一种煤矿安全风险评价模型。建立了包含人员、设备、环境、管理和历史5个一级评价指标,29个二级评价指标的煤矿安全风险评价指标体系;确立了煤矿安全风险评价指标的云模型标尺;采用安全风险评价云模型计算煤矿安全风险评价指标体系中指标层、准则层、目标层的数字特征,得到煤矿安全风险评价云。将该模型应用于红庆梁煤矿安全风险评价,结果表明:该煤矿现阶段安全风险等级为中等风险,影响安全生产的主要因素为作业人员违章操作率、煤层顶底板稳定性等。该模型为煤矿安全管理及风险防控工作提供了一定参考。     

煤矿安全生产监控系统联网

分析了我国乡镇煤矿安全生产状况:乡镇煤矿煤炭产量约占全国煤炭产量的37.8%,发生死亡事故起数和死亡人数却占全国煤矿事故总起数的73.5%和74.1%,百万吨死亡率是国有重点煤矿的7倍。乡镇煤矿事故频发的原因包括技术装备落后、矿井系统不完善、专业技术人才匮乏、安全教育培训滞后、安全责任不落实、现场管理松弛、隐患排查治理不到位等,而技术装备落后和机械化、自动化、信息化程度低是最主要的原因。煤矿安全生产监控系统联网是加强煤矿安全生产监管的重要措施之一。提出了煤矿安全生产监控系统联网方法:中心站(或主机)应及时向监控中心上传有关监控信息;中心站(或主站)和监控中心应具有符合IEEE802.3协议的以太网接口等。     

基于自组织神经网络的煤矿安全预警系统

结合煤矿安全生产的具体要求,将自组织神经网络原理运用于煤矿安全预警问题中,建立了多指标综合评价的安全预警系统网络模型,并以实测数据为例对所建模型进行了训练和检验,研究结果表明,该网络性能良好、预测精度高且简便易行,是安全综合评价的一种有效方法.     

基于主成分聚类分析的煤矿安全评价模型

首先从人的行为、安全管理、装备设施、自然条件、安全技术与监管机制5个方面建立了煤矿安全评价指标体系;然后运用主成分分析和聚类分析建立了煤矿安全评价模型,通过主成分分析选取综合指标,减少了评价指标的个数,通过聚类分析对各煤矿企业的安全状态进行分类评价,分析其相似性和差异性;最后通过对某省40个煤矿企业的安全状况进行评价,介绍了该煤矿安全评价模型的应用步骤。应用结果表明,该煤矿安全评价模型得出的评价结果简单、直观地反映了煤矿的安全状态。     

组合评价方法在煤矿安全风险评估中的应用

研究煤矿安全风险准确评估问题,煤矿生产的复杂性导致煤矿事故的动态性、模糊性和随机性,且影响煤矿安全风险等级指标多,指标与风险等级之间呈复杂的非线性关系,导致传统评估方法的准确率低。为了提高煤矿安全风险评估的准确率,提出一种组合的煤矿安全风险评估方法。首先构建出煤矿安全风险评估指标体系,然后采用层次分析法计算各评估指标权重,且采用模糊方法建立判断矩阵,最后将其输入到BP神经网络学习建立煤矿安全风险评估模型。利用具体数据对模型性能进行了验证性测试。实验结果表明,相比较于其它评价方法,组合评价方法提高了煤矿安全风险评估的准确率,是一种有效的煤矿安全风险评估方法。     

煤矿安全管理信息系统的研制

采用面向对象的程序设计语言VB和数据库技术,结合开滦集团公司煤矿安全管理工作的实际,开发了煤矿安全管理信息系统。该系统建立了煤矿事故数据库和煤矿安全评价模型,可实现伤亡事故统计分析、事故评价和预测等多种管理功能。     

煤矿安全评价算法的仿真研究

研究煤矿安全准确评价问题。煤矿安全评价指标多,由于煤矿的自然条件,生产条件和保障条件各有不同,随机性较强。如何准确选择评价指标是保障煤矿安全的关键,传统评价法难以正确对评价指标赋权值,导致评价结果准确率低,解释性不强。为提高煤矿安全评价结果的准确率,提出了一种层次分析法和逼近理想解排序相结合的煤矿安全评价模型。首先在对煤矿生产特点进行分析,并利用专家系统构建煤矿安全评价指标体系,然后用层次分析法对各评价指标赋权值,最后利用逼近理想解排序方法计算出煤矿安全等级值。仿真结果表明,改进的评价结果比传统的评价方法准确率高,评价结果可解释性好,是一种有效的煤矿安全评价方法。     

贝叶斯网络在煤矿生产系统安全评价中的应用

文章首先介绍了贝叶斯网络,探讨了事故树转换为贝叶斯网络的算法。然后以煤炭生产系统中的井下大巷运输事故安全评价为例,进行了计算机仿真,并阐述说明了基于贝叶斯网络的煤矿生产系统安全评价方法的优越性。     

基于FTA的煤矿瓦斯事故分析

给出了事故树分析的步骤,绘制出了煤矿瓦斯事故树图,运用事故树分析方法对瓦斯事故进行了逻辑分析;采用布尔代数法,找出了煤矿瓦斯爆炸事故发生的最小割集、最小径集;通过对最小割集(最小径集)的求解,确定了基本事件的结构重要度,从而了解了煤矿的危险程度和安全程度,掌握了导致瓦斯事故发生的各基本原因事件的组合关系及其重要程度;给出了防治瓦斯事故发生的措施。     

基于主成分分析法的煤矿安全事故原因统计

以2001—2011年煤矿安全事故发生频次为例,应用主成分分析法得到煤矿安全事故原因的第1、第2主成分,进一步分析得出煤矿安全事故主要是由冒顶事故和机械事故引起。分析结果表明,主成分分析法对煤矿安全设施规划有一定的指导作用。     

基于Rough Set的矿区REES系统中的瓦斯事故分析

瓦斯事故是煤矿经常发生的事故,在矿区REES系统中应对其有准确的分析与预测,采用了Rough Set理论对矿区REES系统中事故分析进行了建模,给出了分析步骤与流程,然后利用作业评价法评价矿井中煤与瓦斯突出分类等级,最后利用Rough Set理论建立煤与瓦斯的决策表,求得其约减,提取决策规则,对规则进行了分析,用于指导煤矿开采。     

基于层次分析法和模糊数学的煤矿安全生产评价

为了定量地综合评价煤矿的安全生产状况,建立了煤矿安全生产评价指标体系,采用层次分析法确定评价指标的权重,采用模糊数学方法对煤矿安全生产情况进行评价。评价结果表明,基于层次分析法和模糊数学的煤矿安全生产评价准确性和可靠性高,为评价煤矿安全生产状况提供了一条新途径。