基于随机森林的矿工不安全行为预测预警模型

为减少煤矿工人不安全行为,科学研判其未来趋势和状态,通过事故统计和文献分析构建煤矿不安全事件与事故数据库和矿工不安全行为属性表,在此基础上,采用Apriori算法挖掘各不安全因素与不安全行为间的关联规则,将强相关规则作为随机森林预测模型的输入指标,不安全行为频次作为输出指标,对原始模型进行拟合训练,基于相关性分析与专家建议设置预警阈值,完善矿工不安全行为预警模型。结果表明:安全文化、现场监护、无效纠正、技术环境以及人员状态与矿工不安全行为构成强相关规则;对于矿工不安全行为的预测,预测值与实际值的偏差较小,预警模型准确度较高;且技术环境、工作环境、组织管理和隐患识别对预测结果影响最大。