BP评价模型煤矿安全管理论文

1煤矿安全评价指标体系建立

1.1煤矿安全评价等级设置

本文数据来源于山西省煤矿工业管理局提供的典型煤矿安全监测数据。该煤矿现有职工4万多人，生产矿井7对，生产能力1000万吨/年；在建矿井2对，设计生产能力480万吨/年。根据实际情况，将评价煤矿安全等级的状态分为5级：绿色为安全，蓝色为相对安全，黄色为警告，橙色为危险，红色为极度危险。

2煤矿安全评价数据标准化

根据综合评价的目标取向不同，本文将指标按照其变化方向分为两类：正向指标和逆向指标。正向指标（如效益型的、产出型指标）是指那些能够随着指标值增大而对综合评价结果起积极作用的指标；逆向指标（如成本型的、投资型指标）是指那些随着指标值增大而对综合评价结果起消极作用的指标。在对对象系统进行综合评价的过程中，不同指标的量纲之间具有明显差异，需要对对象系统的各指标值做标准化处理，以消除不同指标之间的量纲差异。

3煤矿安全评价指标赋权

3.1基于因子分析法的客观赋权

本文从监测数据中整理出20组初始实例样本数据，作为安全风险评价模型的原始数据。通过因子分析法，结合MATLAB软件进行统计计算，得到影响煤矿安全的主要影响因素。主要安全影响因素对于安全评价结果的影响力，可依据主成分累计贡献率从大到小排序，依次为：危险作业场所比例，设备维修保养合格率，设备完好率，作业人员培训比例，顶板管理难易程度，安全管理人员管理能力，风量供需比，采掘工作面富水系数，技术人员技术素质，平均瓦斯涌出量，作业人员工作能力。

3.2基于层次分析法的主观赋权

层次结构通常可分为目标层、准则层和方案层。目标层为安全评价，准则层按照人—机—环境分为三层，方案层为因子分析法确定的11个主要影响因子。

4煤矿安全评价模型检验

将5组用于模型检验的样本数据分别带入煤矿安全评价模型，评价结果。模型对煤矿安全等级分类基本准确，结合主成分分析法中的得分计算，不仅可以对煤矿进行安全评价，并且可以得到诱发安全事故的主要影响因素。

5结论

（1）提出基于因子分析法和层次分析法的主客观组合赋权方法，较为客观、全面的评价了矿井安全指标在安全评价体系中的影响能力。

（2）将专家经验存储在BP神经网络中，并通过大量现场数据进行学习，可以实时修正由于环境等现场条件变化带来的评估误差，使结果尽可能的符合实际情况，为安全评价提供科学、准确的依据。

（3）本文提出的基于BP神经网络和组合赋权的煤矿安全评价模型有助于树立煤矿安全管理的规范性、权威性、公正性和责任性，对大力推动煤矿安全评价工作的开展和管理，提高企业的安全投入决策和安全效益水平，减少事故特别是重大事故的发生具有重要意义。

作者：侯佳 高永涛 李翠平 单位：北京科技大学土木与环境工程学院