基于云模型的煤礦礦井瓦斯風險綜合評價研究

楊得國， 梁 爽

(西北師范大學 計算機科學與工程學院， 蘭州 730070)

?

基于云模型的煤礦礦井瓦斯風險綜合評價研究

楊得國*， 梁 爽

(西北師范大學 計算機科學與工程學院， 蘭州 730070)

本文針對煤礦礦井內各類危險源的不確定性特點，利用模糊性和隨機性相結合的云模型對瓦斯風險評價指標進行表示.采用基于云模型的煤礦礦井瓦斯風險綜合評價方法進行研究，將定性瓦斯風險評價指標和定量瓦斯風險評價指標進行量化和規(guī)范化計算.同時，建立了云模型的多層次的煤礦礦井瓦斯風險綜合評價指標體系結構，并將其轉換成基于云模型的煤礦礦井瓦斯風險綜合評價.此外，還根據云重心推理方法，引入基于云模型的煤礦礦井瓦斯風險綜合評價方法.

瓦斯事故； 風險評價； 云模型

煤炭資源在我國現代化建設史上所占有的重要地位不言而喻.作為世界上的產煤大國，我國蘊含著豐富的煤炭資源，對煤炭的生產和消耗都是巨大的.在煤礦安全生產過程中，由于煤炭資源的存在方式，導致煤炭的開采過程具有非常高的危險性，對財力和人身安全都產生了很大的威脅性.

煤礦礦井瓦斯風險評價是實現煤礦安全管理工作的一個重要手段，有利于按風險類型、嚴重程度、生產規(guī)模等對煤礦的安全狀況進行分級分類管理和監(jiān)察；有利于動態(tài)監(jiān)控煤礦的安全狀況，在礦井不同時期根據井內實際情況適時地做出調整，進而加強對煤礦安全生產的監(jiān)管，實現對煤礦安全科學性、針對性的監(jiān)察.對于煤礦礦井瓦斯風險綜合評價的研究，有利于實現煤礦安全生產的科學化與系統(tǒng)化.

本文從3類危險源理論出發(fā)，并依據重大危險源指標體系，確定影響煤礦安全生產過程中的危險因素，分析各個危險源之間的關系，徹底揭示事故發(fā)生的原因，進而運用基于云模型的評價方法實現對煤礦礦井瓦斯風險綜合評價的研究.

1 云模型理論

1.1云模型的定義

云的基本概念如下：設U是一個用精確數值表示的定量論域，C是U上的定性概念.若定量值x∈U，且x是定性概念C的一次隨機實現，x對C的確定度μ(x) ∈[0，1]是一種有穩(wěn)定傾向性的隨機數：

μ:U[0，1]，? x∈U,x→μ(x),

(1)

則x在論域U上的分布稱為云，每一個x稱為一個云滴，表示為drop(x，μ(x)) .

1.2云模型的數字特征

云模型[1]可以用期望(Ex)、熵(En)和超熵(He)來表示，這3個數字特征表示一個自然語言的定性概念，特征用C(Ex，En，He)來表示.期望(Ex)在云圖中的最中心的位置，隸屬度為1，代表完全隸屬于該定性概念的樣本點，最具典型性.熵(En)代表的是不確定度.通過熵可以表示論域空間可被該定性概念接受的程度，熵越大，定性概念越模糊.超熵(He)是熵的熵，代表的是熵的不確定度，其所呈現的云圖的云滴更為離散，云的厚度也越大.所以云模型并不是用確定的數值來表征，而是采用云模型的3個數字特征C(Ex，En，He)實現模糊性和隨機性的有機結合.云模型所表示的定性語言值是由云圖的形態(tài)展現出來的.云圖中的每個離散點即為一個云滴[2]，每個云滴表示一個定性語言值的定量數值化表達.云模型是一個定性向定量轉化的過程模型.云具有極強的靈活性，其在主觀性上具有良好的精準性，從而大大提高了服務指標的可信度.

2 煤礦瓦斯風險綜合評價模型研究

2.1煤礦瓦斯事故危險源風險評價指標體系

在現實的煤礦安全生產過程中，煤礦礦井瓦斯事故的發(fā)生并不是不可避免的，引起瓦斯風險事故發(fā)生的基本因素有以下幾類：第一類危險源，瓦斯本身具有一定的易燃易爆性，這一特性不僅為人類創(chuàng)造了良好的生活方式，同樣也帶來了一定的威脅與風險；第二類危險源，這類危險源主要是指誘發(fā)瓦斯事故的因素，包括一些細小的自然的非自然的因素，這些因素一般是可以避免的；第三類危險源，人是煤礦生產中的最核心角色，同樣，人也是在煤礦瓦斯危險源系統(tǒng)中最不穩(wěn)定的因素.綜合考慮各個因素對煤礦安全生產狀態(tài)的影響和各因素之間的相互關系，得到各因素在體系結構中的相互關系，如圖1所示.

圖1 煤礦礦井瓦斯風險危險源屬性集合Fig.1 Gas risks of coal mine and their source

2.2風險評價指標一致化和規(guī)范化處理

2.2.1評價指標類型的一致化 根據以往研究經驗可知，“極大型”評價指標的值越大代表風險越大，如煤層瓦斯含量、煤層瓦斯涌出量、煤塵爆炸指數、地質構造程度等為極大型定量指標；“極小型”評價指標是取值越小越有風險，如通風系統(tǒng)、瓦斯抽放率、設備安全可靠性、安全投入指數等為極小型定量指標；“居中型”評價指標是取值越居中越有風險；“區(qū)間型”是在某一區(qū)間內最有風險的指標[3].本文的評價體系中，包含著這些不同的指標，這就使得整個評價系統(tǒng)的風險程度無法得到有效地評價，因此有必要對定量風險評價指標進行一致化處理.

對于極小型評價指標x，令

x*=M-x，

(2)

對于居中型評價指標x，令

(3)

對于區(qū)間型評價指標x，令

(4)

2.2.2煤礦礦井瓦斯風險綜合評價指標的標準化處理 為了將煤礦礦井瓦斯風險綜合評價指標統(tǒng)一在區(qū)間[0，1]，必須將評價指標進行規(guī)范化處理，本文所采用的方法為極值標準化法[4].對這些評價指標進行正向和逆向的標準化處理的計算公式如下：

對于正向指標:

(5)

對于逆向指標:

(6)

3 基于云模型的瓦斯風險綜合評價方法

3.1 基于模糊推理的瓦斯風險綜合評價方法

3.1.1模糊集合賦值與輸入值模糊化 先構建模糊集合，之后通過模糊綜合評價方法獲得隸屬度函數.固有危險源因素通過煤層瓦斯涌出量、煤層瓦斯含量、煤層瓦斯壓力、風流瓦斯含量等構造因素的融合結果獲得，利用模糊綜合評判加權平均作為固有風險源模糊集的隸屬度，α1，α2，α3，α4，α5表示權重信息，可通過層次分析法等方法獲得.

取固有危險源論域G=[0，1]×[0，1]×[0，1]×[0，1]×[0，1]，e∈[0，1]為規(guī)范化煤層瓦斯涌出量，h∈[0，1]為規(guī)范化煤層瓦斯含量，l∈[0，1]為規(guī)范化煤層瓦斯壓力，f∈[0，1]為規(guī)范化風流瓦斯含量，s∈[0，1]為規(guī)范化地質構造復雜程度，模糊子集G1={很小}、G2={較小}、G3={中等}、G4={較大}、G5={很大}的隸屬度函數[5]定義為：

(7)

其中，ig∈{1，2，3，4，5}，σ1為寬度，一般取σ1= 0.11.

同樣，誘發(fā)危險源論域Y=[0，1]×[0，1]×[0，1]×[0，1]×[0，1]，模糊子集Y1={很小}、Y2={較小}、Y3={較大}、Y4={很大}的隸屬度函數[6]定義為：

μYiy(t，d，z，b，p)=

(8)

其中，iy∈{1，2，3，4}，σ2為寬度，一般取σ2=0.11.

人的因素論域R=[0，1]×[0，1]×[0，1]×[0，1]×[0，1]，模糊子集R1={很小}、R2={較小}、R3={較大}的隸屬度函數定義為：

(9)

其中，ir∈{1，2，3}，σ3為寬度，一般取σ3=0.11.

風險度論域W=[0，1]，模糊子集W1={無}、W2={極小}、W3{較小}、W4={中等}、W5={大}、W6={較大}、W7={重大}，隸屬度函數為：

(10)

其中，jw∈{1，2，3，4，5，6，7}，w∈[0，1]，σ4的值視情況而定，一般為0.046.

當某一時刻輸入煤礦瓦斯風險綜合評價屬性15個指標的歸一化度量[e′，h′，l′，f′，s′，t′，d′，z′，b′，p′，q′，m′，k′，i′，n′]，對屬性集合進行模糊化，即計算μGig(e′，h′，l′，f′，s′)，μYiy(t′，d′，z′，b′，q′)，μRir(q′，m′，k′，i′，n′).

3.1.2模糊推理規(guī)則與合成模糊集 推理規(guī)則形如“ifEthenH”，其中E為推理前件，H為推理結論.當推理條件有兩個或兩個以上時，通過在推理前件中運用and連接.例如，當推理規(guī)則中的推理條件有3個時，將這些前提條件用“and”結合：

cisRirthenwisWjw，

(11)

其中，ig=1，2，3，4，5，iy=1，2，3，4，ir=1，2，3，jw=1，2，3，4，5，6，7，g、y、r為輸入變量，而w為輸出變量.

(12)

3.1.3解模糊 對于煤礦礦井瓦斯風險綜合評價，一般可用重心法進行模糊集的解模糊[7].

(13)

上式中，w0為得到的最終的瓦斯風險程度，根據最大隸屬度原則，經過計算w0對每一風險度模糊子集的隸屬度得到煤礦礦井瓦斯風險程度的等級.

3.2基于MIN-MAX云重心推理的瓦斯風險評價方法

云重心推理算法，主要是將模糊性和邏輯推理相結合，對確定度進行相關的運算，從而得到一個期望值，此期望值即為推理結果.設3個推理條件分別為G、Y與R，推理規(guī)則有m個，則對推理結論W的推理形式如圖2所示,其中，Gi、Yi、Ri(i=1，2，…，m)表示相應論域上的定性概念；g′、y′、r′表示論域上的一個云滴；g′andy′andr′表示已知事實；結論由W′事實“g′andy′andr′”與推理規(guī)則合成得到.

圖2 對推理結論W的推理形式圖Fig.2 The reasoning form of the inference conclusion W

實現步驟為：

(14)

其中，μGi(g′)、μYi(y′)、μRi(r′)、μwi(w)分別表示g′、y′、r′、g對Gi、yi、Ri、Wi的確定度.

w∈[0,1].

(15)

3)運用重心法計算結論W′的代表點w′，最終推理結果為：

(16)

3.3實例仿真分析

表1 煤礦礦井瓦斯風險固有危險源指標原始值

表2 煤礦礦井瓦斯風險誘發(fā)風險源指標原始值

表3 煤礦礦井瓦斯風險人為因素風險源指標原始值

3.3.2數據歸一化處理 利用量化和歸一化計算式，對表1、表2和表3中的煤礦礦井瓦斯風險評價指標數據值進行歸一化處理，得到5個煤礦礦井的瓦斯風險評價指標數據的歸一化值，如表4～表6所示.

表4 煤礦礦井瓦斯風險固有危險源指標歸一化值

表5 煤礦礦井瓦斯風險誘發(fā)風險源指標歸一化值

表6 煤礦礦井瓦斯風險人的因素風險源指標歸一化值

3.3.3MIN-MAX云重心推理實驗 首先，根據風險評價分級方法構建規(guī)則庫.例如，由煤礦礦井瓦斯風險固有危險源因素、誘發(fā)危險源因素和人的因素推理風險等級的推理規(guī)則為:

R(1)：ifG1andY1andR1thenW1；R(2)：ifG1andY1andR2then …W2；

R(13)：ifG2andY1andR1thenW2；R(14)：ifG2andY1andR2then …W2；

R(25)：ifG3andY1andR1thenW4；R(26)：ifG3andY1andR3then …W4；

R(37)：ifG4andY1andR1thenW5；R(38)：ifG4andY1andR4then …W5；

R(49)：ifG5andY1andR1thenW6；R(50)：ifG5andY1andR5then …W6.

近年來工作場所學習領域已然成為教育科學研究的新疆域，引起了國內外學者的廣泛關注[1]。澳大利亞格里菲斯大學的史蒂芬·比利特教授認為工作場所學習是一種在參與真實任務，并在獲得熟練成員直接或間接指導的活動中獲得知識和技能的途徑[2]。工作場所學習強調學習的真實場景、真實的實踐活動、真實的學習任務，通過體驗式學習方式與學習者主觀能動性的發(fā)揮，獲得貨真價實的學習經驗。目前工作場所學習作為我國成人教育的重要形式，對實現學習型社會的偉大構想，一定程度上起到了舉足輕重的作用[3]。

其中，G1、G2、G3、G4、G5分別表示煤礦礦井瓦斯風險固有危險源因素風險度為很小、較小、中等、較大、很大；Y1、Y2、Y3、Y4分別表示煤礦礦井瓦斯風險誘發(fā)危險源因素風險度很小、較小、較大、很大；R1、R2、R3分別表示煤礦礦井瓦斯風險人的因素風險度很小、大、很大；W1、W2、W3、W4、W5、W6、W7分別表示煤礦礦井瓦斯風險度無、極小、較小、中等、大、較大、重大.含義是：當固有危險源因素風險度為很小，誘發(fā)危險源因素風險度為很小，人的因素風險度為很小，則煤礦礦井瓦斯風險度為無風險.同理可得推理一級指標風險度的推理規(guī)則.

根據云推理基本流程，將規(guī)范化的煤礦礦井瓦斯風險綜合評價指標數據輸入仿真程序，得到5個礦井瓦斯風險度以及風險程度，如表7所示.

表7 MIN-MAX云重心推理實驗結果

以礦井1為例，煤層瓦斯涌出量為25.33 m3/min，煤層瓦斯含量為30.72 m3/t，煤層瓦斯壓力為1.27 MPa，風流瓦斯含量為4.8 m3/t，地質構造程度為25，通風系統(tǒng)為1.784 m/s，瓦斯抽放率為45%，煤炭自然發(fā)火期為60，煤塵爆炸指數為33.01%，設備安全可靠性為92.2%，安全管理制度完備率為98%，應急響應機制完善率為98%，安全監(jiān)管人員配備率為0.66%，安全投入指數為0.2316%，職工技術素質為11.4 a，原始數據通過規(guī)范化得到二級風險評價指標值為：

[e′,h′,l′,f′,s′,t′,d′,z′,b′,p′,q′,m′,k′,i′,n′]=[1，0.575，0.690，0.417，1，0.943，1，1，0.741，1，0.918，0.969，1，0.392，0.754]，經過云推理，風險度為0.974，風險程度重大.

以礦井5為例，煤層瓦斯涌出量為10.86 m3/min，煤層瓦斯含量為14.85 m3/t，煤層瓦斯壓力為1.82 MPa，風流瓦斯含量為1.2 m3/t，地質構造程度為18，通風系統(tǒng)為1.782 m/s，瓦斯抽放率為46%，煤炭自然發(fā)火期為67，煤塵爆炸指數為35.45%，設備安全可靠性為96.1%，安全管理制度完備率為91%，應急響應機制完善率為97%,安全監(jiān)管人員配備率為0.83%，安全投入指數為0.1428%，職工技術素質為11.8 a，原始數據值通過規(guī)范化得到二級風險評價指標值為：

[e′,h′,l′,f′,s′,t′,d′,z′,b′,p′,q′,m′,k′,i′,n′]=[0.429，0.278，0.989，0.500，0.72，0.944，0.978，0.896，0.796，0.959，0.989，0.979，0.975，0.636，0.729].

經過云推理，風險度為0.341，風險程度較小.

由表7可知，在這5個礦井中，礦井1， 2， 3， 4 的風險程度為重大，礦井5的風險程度較小.

3.4.4模糊推理實驗 對通過規(guī)范化后的煤礦礦井瓦斯風險評價指標數值[8]，采用模糊推理方法進行計算.在模糊綜合評判加權平均過程中，煤礦礦井瓦斯風險綜合評價指標模糊集的權重設定為：

α1=0.3332，α2=0.1667，α3=0.1667，α4=0.1667，α5=0.1667；

β1=0.2540，β2=0.2540，β3=0.1640，β4=0.1640，β5=0.1640；

η1=0.2412，η2=0.1897，η3=0.1897，η4=0.1897，η5=0.1897.

在模糊推理規(guī)則的構建上，由于風險度的輸入參數g，y，r3個變量的模糊子集個數分別為Mg=5、My=5、Mr=5，輸出模糊子集個數為Mw=7，因此推理規(guī)則條數為M=Mg×My×Mr=125.此處推理風險度的推理規(guī)則與前面方法所采用的推理規(guī)則相同.采用解模糊方法，得到5個礦井的瓦斯風險綜合評價結果，如表8所示.

表8 模糊推理實驗結果

3.4.5基于云模型的風險評價實驗 對經過規(guī)范化處理所得數據，采用基于云模型的風險評價方法求解.基本流程如圖3所示.基于云模型的煤礦礦井瓦斯風險綜合評價計算的結果則如表9所示.

圖3 基于云模型的風險評價基本流程圖Fig.3 Basic flow chart of risk evaluation based on cloud model

礦井風險程度1較大2較大3重大4大5中等

對比分析3種風險評價方法，基于云模型的風險評價方法不能得出具體的風險度，只能得到風險等級.和模糊推理方法相同，在確定評價指標權重的時候，忽略了主客觀因素，使個別瓦斯風險程度評價不準確.

本論文通過監(jiān)測5個礦井實際數據，對該方法進行了實際應用研究.通過對MIN-MAX云重心推理方法和模糊評價方法以及基于云模型的風險評價方法進行對比仿真實驗.基于MIN-MAX云重心推理方法所得的瓦斯風險評價值和風險程度準確性較高，能科學有效地評價煤礦礦井瓦斯風險程度.

云模型理論經過多年的發(fā)展，應用領域更加廣泛.但云模型理論還不夠完善，在其它相關領域的運用和研究不多.近年來，研究人員大多采用正態(tài)云模型進行不確定性研究，而只依靠正態(tài)云模型難以滿足實際應用的需求.因此，對柯西形、嶺形等其它形態(tài)的云模型的研究勢在必行.

煤礦礦井瓦斯風險綜合評價研究是一項復雜的系統(tǒng)工程.由于煤礦安全生產系統(tǒng)的狀態(tài)特點和作業(yè)特性，涉及的因素眾多，不單單是礦井內的技術條件，還應該考慮到人的生理及心理因素，考慮到所有因素是很難做到的.因此，要通過不斷地研究、積累和完善才能研究出科學性更高、有效性更好的評價方法.

[1] 姚 嵐. 2009～2013我國煤礦事故統(tǒng)計分析[J].礦山測量，2015(1)：71-73．

[2] 周耀明， 李弼程， 張慧成， 等. 基于云模型的網絡輿情預警方法[J].情報學報， 2012， 31(8)：861-874.

[3] 顧 鑫， 徐正全， 劉 進. 基于云理論的可信研究及展望[J].通信學報， 2011， 32(7)：176-181．

[4] STEFAN F. An ontology-based approach for constructing Bayesian networks[J]. Data & Knowledge Engineering， 2012， 73(2)：73-88．

[5] DIPTI D，SURESH C，APARNA M. Fuzzy linear programming under interval uncertainty based on IFS representation[J]. Fuzzy Sets and Systems， 2012， 188(1)：68-87．

[6] WANG Z W， YANG X K， HUANG T S. Time varying dynamic Bayesian network for nonstationary events modeling and online inference[J].IEEE Transactions on Signal Processing， 2013， 59(4)：1553-1568．

[7] 李海林， 郭崇慧， 邱望仁. 正態(tài)云模型相似度計算方法[J].電子學報， 2011， 39(11)：2561-2567．

[8] 張仕斌， 許春香. 基于云模型的信任評估方法研究[J].計算機學報， 2013， 36(2)：422-431．

Research on comprehensive gas risk evaluation in coal mine based on cloud model

YANG Deguo， LIANG Shuang

(College of Computer Science and Engineering， Northwest Normal University，Lanzhou 730070)

In the present work， the gas risk evaluation is indexed by cloud model with fuzzy and random combination towards the uncertainty of various risk sources in coal mine. Then the qualitative and quantitative gas risk evaluation indices is quantified and subjected to standardized calculation by the above cloud model. Meanwhile， the index system of multi-level gas risk evaluation of coal mine is established and converted into comprehensive gas risk evaluation of coal mine upon the cloud model. In addition， according to the cloud gravity center method of reasoning， comprehensive gas risk evaluation method of coal mine gas is introduced through the cloud model．

gas accident; risk assessment; cloud model

2016-03-12.

國家自然科學基金項目(61165002)．

1000-1190(2016)04-0544-07

TP30

A

*E-mail: yangdeguo@nwnu.edu.cn．