1、煤礦瓦斯爆炸災害風險評價與預測煤礦瓦斯爆炸災難風險評價與預報098X202102c-0242-06在煤礦安全生產中，瓦斯是最重要的危害因素之一。我國現存大量瓦斯礦井，伴隨著開采深度的增加，高強度機械化作業以及集約化的生產方式，瓦斯涌出量急劇增加，煤礦爆炸災難風險也隨之加劇，瓦斯防治異樣困難1。煤礦瓦斯不僅在施工中會危及煤礦施工的安全，影響進度，而且一旦實行的措施不當，還會出現一系列的問題，給人們的日常生活造成極大的損失。因此，有必要對煤礦瓦斯爆炸災難風險進行評估。目前用于評價煤礦瓦斯安全常用的傳統方法有灰色評價法、模糊綜合評價法、層次分析法等，但這些方法在實際應用中常受認識上的模糊性、評價人員

2、的主觀性、評價過程隨機性等多種因素的影響，而且使用單一的評價方法，難以反映煤礦瓦斯爆炸災難風險評價結果的精確性和客觀性。因此，需要引用更加精確客觀的評價方法，如組合式的評價方法，安永林等將可拓學理論與簡潔關聯函數結合，進行了瓦斯爆炸易發性評估2，屈娟等運用模糊數學與AHP法進行危急性評估3，施式亮等運用灰色聚類與AHP法進行了事故演化危急性風險評估4等。還有一些接受了較為新穎的方法，如李潤求等建立了IAHP-ECM和PSO-SVM風險評估模型5-6，謝國民建立了FOA-SVM風險識別模式7等，這些都豐富了煤礦瓦斯防治技術討論。但是接受這些評價方法進行評價時數據的初期采集和整理仍舊具有較強的主觀

3、性。因此，本文以物元分析法與AHP進行有機結合確定指標權重，利用BP神經網絡8-9建立煤礦瓦斯爆炸災難風險評估模型，該模型能夠從理論上解決AHP權重確定的主觀性和片面性，使評價方法更為科學，為煤礦瓦斯爆炸災難預報與治理提供了根據。1 綜合評價方法1.1 構造層次分析結構本文參照國內有關煤礦瓦斯災難分析的相關成果，結合煤礦瓦斯具體工程實踐，建立了煤礦瓦斯爆炸災難評價指標模型。模型評價總目標為煤礦瓦斯爆炸災難風險，其準則層由固有危急源、誘發危急源、人的因素構成。為了便于分析，量化各指標，易于操作，依據實際狀況依次選擇了對應三大準則層的對應指標。共計16個指標作為煤礦瓦斯爆炸災難風險評估的基礎10-

4、12，具體見圖1。1.2 物元分析法2 應用實例依據前面確定的煤礦瓦斯爆炸風險層次結構，本文結合前人討論結果，通過咨詢國內6位相關資深專家，建立推斷矩陣。首先對準則層建立如下推斷矩陣：經過一致性檢驗后計算得出各指標權重構造復合物元R。依據式2-4確定的經典域物元、節域物元及待測物元，關聯函數復合物元RO及專家效度物元，依據式5得指標權重物元同理可得各指標層權重，如表1。依據表1中得出的各影響因素的指標權重，可知其中煤層瓦斯含量X1、煤層厚度X2、煤層埋藏深度X3、通風系統X7、瓦斯抽風率X8、設備安全可靠性X11、措施規范執行水平X12、治理人員安全技術水平X14及安全投入X15對瓦斯爆炸的影

5、響最為顯著，本文將基于這九個因素與瓦斯爆炸之間的關系為基礎建立BP神經網絡模型。選取某礦的統計數據作為樣本12，16，其中定量指標數值直接獵取，定性指標數值由專家打分獵取。通過分析可知X1、X3為微小型指標，其余為極大型指標。依據瓦斯涌出量越小越安全原則，通過公式6變換將極大型指標轉化為微小型指標后，將原始數據依據公式8進行標準化處理，計算綜合風險評價結果，見表2。依據煤礦瓦斯爆炸災難評價指標，確定9個神經網絡輸入層節點，1個輸出層節點，即可得到評價結果。隱含層函數和輸出層函數選取Sigmoid變換函數，并反復試驗，選取19個隱含層節點。表2中的前14組數據為學習樣本，用以訓練神經元連接權值，

6、學習精度，勢態因子=0.8，學習速率為0.1，后4組數據作為檢驗樣本。經過1211次學習后，其學習結果見表3。訓練結束后，校驗數據分別輸入練好的BP網絡，得出風險等級排序結果見表4。從表3看出本次訓練的BP神經網絡收斂，穩定性較好，模擬精度較高。從表4中可以看出，利用模型的輸出值與期望值之間的誤差可操縱在4%以內，煤礦瓦斯風險性與專家排序一致，說明運用BP神經網絡預報評價煤礦瓦斯爆炸安全性，誤差可控、方法可行。將訓練好的網絡保存后，今后對其他煤礦瓦斯安全性進行跟蹤評價，只需要輸入待評價指標值，就可獲得動態綜合評價結果。3 結語 1考慮到煤礦瓦斯環境的特殊性及煤礦瓦斯爆炸災難各種影響因素，本文將物元分析法，層次分析法，BP神經網絡三種方法進行集成，構建了基于物元分析和AHP的BP神經網絡的煤礦瓦斯風險評價模型，利用AHP與物元分析確定權重方面的優勢來確定煤礦瓦斯安全評價指標的權重，修正了單一AHP法確定權重地片面性，確保了風險模型評價的科學性與正確性。2該模型能夠系統評價煤礦瓦斯爆炸風險高低，依據模型評價結果，對評價風險較高的，可以提前做好措施，改良施工工藝，減小