岩溶塌陷倾向性等级的KPCA-SVM预测模型

为了快速、有效地预测岩溶塌陷倾向性等级,在统计分析大量观测实例的基础上,选取岩性系数、岩体结构系数、地下水系数、覆盖层系数、地形地貌系数和环境条件系数作为特征指标。利用核主成分分析(KPCA)方法在高维空间提取岩溶塌陷影响因子的主成分,将获取的主成分作为支持向量机(SVM)的特征向量,建立基于KPCA的岩溶塌陷倾向性等级的SVM预测模型。将12组观测数据作为学习样本对模型进行训练。采用回代估计法进行回检,误判率为0。利用训练好的模型对2组待判样本进行预测。结果表明:经KPCA后指标个数减少,相关性降低,SVM运算的复杂度降低。用该模型所得预测结果的准确率为100%。     

矿井突水水源识别的RS-LSSVM模型

为了对矿井突水水源进行准确、高效的判别,综合考虑水化学特征,选取Ca~(2+),Mg~(2+),K~++Na~+,HCO-3,SO2-4,Cl~-和总硬度7个指标的质量浓度(mg/L)作为矿井突水水源的最初判别指标。利用粗糙集(RS)理论的属性约简来筛选水化学特征指标,用以作为水源识别的核心判别指标,建立基于RS的矿井突水水源识别的最小二乘支持向量机(LSSVM)模型。选用约简处理后的13组煤矿数据对模型进行训练,再用训练好的模型对另外12组突水数据进行水源判别,并与未进行属性约简的LSSVM模型及Fisher判别分析法、随机森林方法进行对比。结果表明,利用属性约简方法可以很好地排除原始数据中的冗余信息干扰,因而能有效判别矿井突水水源,使矿井突水水源模型的误判率降低至0;而且指标约简过程可以降低LSSVM运算的复杂度,也能够提高判别效率。     

基于改进FAHP-Entropy法的危险品仓储安全评价

为提升企业危险品仓储安全风险识别能力，针对危险品特殊属性及其仓储安全管理特点，提出基于改进的模糊层次分析法(FAHP)与熵权法(Entropy)的危险品仓储安全评价机制。首先，从人员、管理、物料与设备、环境4个方面建立评价指标体系；然后，基于改进的FAHP和Entropy法，确定指标的综合权重，并结合三角模糊数(TRFN)确定模糊关系矩阵；最后，以广东省某危险品物流企业为例，通过模糊评价模型得出最终安全评价结果。结果表明：该企业危险品仓储安全综合评价结果以及人员安全、管理安全、物料与设备安全、环境安全等4个一级指标评价结果均属于“较安全”水平，其中物料与设备方面评分最高。该安全评价机制基于改进的FAHP-Entropy模型，对比分析指标体系与评价结果，能够实现危险品仓储管理的关键风险因素识别，有助于提高企业危险品仓储管理安全水平。     

煤层底板突水危险性GSPCA-LSSVM评价模型

为快速、准确地评价煤层底板突水危险性,选取水压等作为影响因素,以其灰色关联度作为灰色主成分分析(GSPCA)的协方差矩阵,提取信息不重叠的灰色主成分,并将该成分作为最小二乘支持向量机(LSSVM)的输入向量,底板突水危险性作为LSSVM输出向量,建立煤层底板突水危险性GSPCA-LSSVM评价模型;将20组实测数据作为训练样本训练模型,采用回代估计法进行回检;利用训练好的模型对5组检验样本进行评价。结果表明:利用GSPCA提取的主成分考虑原影响因素不完备性,包含其超过91.97%的信息,减少信息冗余;经GSPCA处理后LSSVM计算复杂度降低;用GSPCA-LSSVM模型评价煤层底板突水危险性,结果与实际情况基本吻合。     

基于SEM的建筑施工企业KPI安全绩效评价

鉴于建筑施工企业生产安全和服务质量管理以及企业员工综合素质和工作效率的重要性,探讨影响建筑施工企业安全生产的因素,并对建筑施工企业的安全绩效进行全面、客观的评价。采用关键绩效指标(KPI)建立基于人的因素、管理制度、施工设备和环境条件四维度的建筑施工企业安全绩效评价指标体系,研究将结构方程模型理论引入到评价体系中,构建安全绩效评价的结构方程模型(SEM)。总结评价的一般程序,并结合实例,从定量的角度对某建筑施工企业安全绩效进行评价。结果表明,KPI评价体系和SEM评价模型评估得出建筑企业安全绩效影响因素的程度是:人的因素>管理制度>环境条件>施工设备。     

煤与瓦斯突出预测的QGA-LSSVM模型

为快速、有效地对煤与瓦斯突出类型作出预测,运用灰色关联和因子分析模型对所选主要的判别指标进行分析提取,利用量子遗传算法(QGA)对最小二乘支持向量机(LSSVM)的参数作寻优处理,最终建立QGA-LSSVM煤与瓦斯突出预测模型。选取从砚石台矿区历史实测的数据,以96∶20的比例对该模型进行训练与测试,并将预测结果与其他预测模型的预测效果进行了比较。研究结果表明:对判别指标进行灰色关联分析可以有效去除对煤与瓦斯突出影响作用小的指标;用因子分析进行公共因子提取,可以有效减少数据信息冗余;利用QGA优化的LSSVM模型能使结果避免陷入局部最优解,用该模型可以有效预测煤与瓦斯突出类型,误判率为0。     

基于ANP和SPA的民航飞行员安全能力评价

飞行员安全能力是飞行员排班、机组搭配、掌握飞行员安全状态的重要依据,为客观、准确地对飞行员安全能力进行评价,对安全管理能力内涵进行了界定,找到了评价飞行员安全能力的4个二级指标,共17个三级指标。后来用网络层次分析法(ANP)对各影响因素的影响力进行排序,确定了指标的综合权重。综合考虑飞行员安全能力各影响因素之间的不确定性、模糊性,采用集对分析方法(SPA)进行评价。最后将集对分析法和网络层次分析结合构建的评价模型运用于某航空公司飞行员安全能力评价,结果与实际情况基本一致,说明了该方法的有效性。     

核电厂运行阶段安全文化评价指标体系研究

为培育良好的核电厂运行阶段安全文化,通过分析核电厂运行特征,总结已有的核安全文化评价指标体系和评价模型,构建核电厂运行阶段安全文化评价指标体系,划分为价值观、行为、系统和环境4个层次,并细分出13个二级指标和61个三级指标;在此基础上,考虑到指标之间的非独立性和可能存在的相互影响关系,提出一种基于决策试验和评价实验法(DEMATEL)以及网络层次分析法(ANP)相结合的综合方法,确定指标体系的权重。结果表明：该方法结合调研数据,可得到核安全文化评价指标权重,并甄别出改善核安全文化的关键在于决策层的安全意识、以身作则等指标,为核电厂运行阶段安全文化的培育提供指导。     

装配式建筑安全文明施工费RS-LSSVM预测方法

为准确测算装配式建筑安全文明施工费,开发一种基于粗糙集(RS)-最小二乘支持向量机(LSSVM)模型的预测方法。根据装配式建筑作业空间并行多维且以吊装施工为主的特点,分析影响费用的主要因素并通过RS属性约简算法确定其测算因子;引入LSSVM,构建装配式建筑项目安全文明施工费测算模型,给出计算方法以及模型流程;以某城市群部分装配式项目的相关数据进行模型学习训练和仿真测算,以此为例完成实证检验和分析。结果表明:在样本数据较少、指标成多维非线性关系的情况下,用该方法测算所得结果与实际情况符合较好(平均相对误差为4.92%),比BP模型和回归分析等2种传统方法(11.78%和17.67%)测算结果更准确,效率更高。     

高温作业环境下人体生理状态模糊综合评价

为预防高温作业环境对作业人员职业安全健康的危害,基于模糊综合评价方法研究了高温环境下人体生理状态.针对高温作业环境下人体生理指标进行测试,选取收缩压、舒张压、脉搏、口腔温度和平均皮肤温度作为生理状态评价指标,采用岭形模糊分布构造评价指标的隶属函数,利用熵权法确定生理状态评价指标的权重,引入生理状态评分(PSS)评价人体生理状态的安全等级,进而建立高温作业环境下人体生理状态模糊综合评价模型.结果表明,轻度劳动强度下男性和女性的生理状态评分比中度劳动强度稍低,女性的生理状态评分总体上比男性稍高,评价结果与主观热感受研究结果一致.     

基于模糊层次法的炮采工作面安全性评价研究

在矿山炮采工作面安全性评价中引入模糊层次综合评判法,并以内蒙某露天煤矿炮采工作面为例,对其进行了综合分析评价.首先,应用德尔菲法分析了炮采工作面的安全影响因素;然后建立了包括“人、机、料、法、环”五个方面的安全评价指标体系,其中每个指标又包含数个二级指标,共计19个;最后,构建了基于模糊层次法的炮采工作面安全评价模型.研究表明,该方法可以解决指标多层次性与复杂性造成的评价结果的离散问题,提高评定结果可信度,较好的找出安全上的薄弱环节,从而可及时采取有针对性的措施解决存在的问题,具有很好的工程应用价值,对炮采工作面安全评价与管理是一种有效的方法.     

基于模糊综合评判的冲击地压危险性分区预评价技术研究

为解决采煤工作面冲击地压危险性难以准确分区预评价的难题,运用模糊综合评判法建立冲击地压危险性评价模型,模拟工作面开采过程,对工作面开采过程中不同区域煤体应力影响因素进行综合分析,评判冲击危险性,实现了采煤工作面冲击危险性分区预评价。根据专家现场经验和试验研究结果,确定了影响冲击地压危险性等级的7个主要影响因素,采用层次分析法,确定各个因素的权重。评价模型在山东某煤矿3105工作面进行了应用,得到7个高度危险区,4个中度危险区,评价结果与现场实际基本吻合,表明该模型是合理可行的。     

可拓优度评价法在城市区域消防安全评价中的应用

为了解决城市区域消防安全评价的复杂性和不确定性,本文运用可拓优度评价法,根据相关文件并结合城市区域消防的实际情况,从火灾危险程度、城市区域特征、消防实力水平和社会管理状态4个方面选取17个指标,建立了城市区域消防安全评价指标体系并划分了消防安全等级,以洛阳市西工区为例对城市区域消防安全评价的可拓优度方法进行了验证。结果表明,可拓优度方法可以准确反映出该区域消防安全水平。     

Empirical analysis on contribution share of safety investment to economic growth: A case study of Chinese mining industry

Insufficient investment in safety is one of the most important reasons which lead to frequent accidents in Chinese mining industry. Safety input has long been regarded as a ‘sunk cost’, lacking output, and little attention from mining companies was focused on increasing safety input according to technical codes or technical requirements due to the narrow understanding on safety input. So, the empirical analysis on the contribution share of safety investment to economic growth is very important. In this paper, a new set of production safety indexes including six 1-level indexes for describing the safety level of mining production in China was constructed on the basis of Granger causality test. Meanwhile, a mining economic growth model was constructed on the basis of the new production safety indexes with co-integration theory and dynamic modeling system. The empirical results show that the production safety factor in the short term indeed drives the GDP growth in the mining industry although labor and capital input remain the major factors impacting mining economic growth, and its long term contribution share is 7.7%. Principal Component Analysis (PCA) of production safety indexes, shows that the safety level of mining production increased more than 21-fold during 1991–2009, and the investment in mining technology development capability, mining safety production environment and mechanized level of mining should be the direction to focus for improving the safety level of mining production.     

IIFLNs-AHP及其在煤矿安全状况评价中的应用

为了评价煤矿的安全现状,同时实现对各类安全隐患的排查,构建了基于层次分析法(AHP) 耦合区间直觉模糊语言数（IIFLNs）进行计算的IIFLNs-AHP评价模型。首先提出了区间直觉模糊语言关联混合几何 (R-IIFLNHG)算子,并由其算出评价权重向量;其次结合层次分析法（AHP）运用提出的权重聚合计算公式来确定各层次指标重要程度,并对指标进行排序。以某煤矿为例,运用IIFLNs-AHP进行计算,同时根据计算结果找到了隐含的各类安全隐患,其计算分析结果与现场情况及前人研究结论基本一致,从而验证了IIFLNs-AHP的正确性。结果表明,IIFLNs-AHP能够较好地对煤矿各类安全评价指标进行排序,有助于确定指标体系中的薄弱环节,并可据此实现对安全管理有针对性的改进与完善。     

Prediction of gas explosion pressures: A machine learning algorithm based on KPCA and an optimized LSSVM

A gas explosion, as a common accident in public life and industry, poses a great threat to the safety of life and property. The determination and prediction of gas explosion pressures are greatly important for safety issues and emergency rescue after an accident occurs. Compared with traditional empirical and numerical models, machine learning models are definitely a superior approach. However, the application of machine learning in gas explosion pressure prediction has not reached its full potential. In this study, a hybrid gas explosion pressure prediction model based on kernel principal component analysis (KPCA), a least square support vector machine (LSSVM), and a gray wolf optimization (GWO) algorithm is proposed. A dataset consisting of 12 influencing factors of gas explosion pressures and 317 groups of data is constructed for developing and evaluating the KPCA-GWO-LSSVM model. The results show that the correlations among the 12 influencing factors are eliminated and dimensioned down by the KPCA method, and 5 composite indicators are obtained. The proposed KPCA-GWO-LSSVM hybrid model performs well in predicting gas explosion pressures, with coefficient of determination (R²), root mean square error (RMSE), and mean absolute error (MAE) values of 0.928, 26.234, and 12.494, respectively, for the training set; and 0.826, 25.951, and 13.964, respectively, for the test set. The proposed model outperforms the LSSVM, GWO-LSSVM, KPCA-LSSVM, beetle antennae search improved BP neural network (BAS-BPNN) models and reported empirical models. In addition, the sensitivity of influencing factors to the model is evaluated based on the constructed database, and the geometric parameters X1 and X2 of the confined structure are the most critical variables for gas explosion pressure prediction. The findings of this study can help expand the application of machine learning in gas explosion prediction and can truly benefit the treatment of gas explosion accidents.     

煤矿水害风险量化评价方法

为提高煤矿防治水管理水平，预防和消除矿井水害，在层次分析法的基础上建立中性值作为参照对象对矿井水害风险进行实时评判的方法。根据《煤矿防治水细则》建立以矿井水文地质类型、矿井涌水量标准分数、突水预兆、采掘面位置、探水结果为准则层的层次结构模型，并对各评价指标赋权。依据制定的水害风险评价指标的评分细则和监测监控数据并结合其权重得到水害评价总得分。通过总得分与中性参照分数比较得出预测结果:水害评价总得分大于中性参照分数，证明水害的威胁小，分数越高越安全；反之则水害的威胁较大，分数越低越危险，这时需要加强防治水的力度，令评价分数管控大于中性参照分数。这种方法依赖于井下监测监控数据进行量化评价，能实时、客观、全面且准确地反映煤矿水害的风险情况。     

Mining disturbance effect and mining arrangements analysis of near-fault mining in high tectonic stress region

Dynamic disasters can be easily induced by mining disturbance in the tectonic stress concentration region near the fault. Based on the fault Coulomb failure stress criterion, a dynamic Coulomb failure stress increment model is established for quantitative assessment of mining disturbance effect. Furthermore, the disturbance effects of two possible working face arrangements near the same fault are compared by using the proposed dynamic Coulomb failure stress model and numerical method. The results show that Coulomb failure stress increment, as a comprehensive mechanical parameter, can well reflect the mining disturbance to the stress environment of fault. The disturbance effect on the fault in the case of the working face perpendicular to fault is much less than that of the working face parallel to fault, therefore the dynamic disaster risk induced by the former arrangement is much lower.