基于云模型的煤矿矿井瓦斯风险综合评价研究

杨得国， 梁 爽

(西北师范大学 计算机科学与工程学院， 兰州 730070)



基于云模型的煤矿矿井瓦斯风险综合评价研究

杨得国*， 梁 爽

(西北师范大学 计算机科学与工程学院， 兰州 730070)

本文针对煤矿矿井内各类危险源的不确定性特点，利用模糊性和随机性相结合的云模型对瓦斯风险评价指标进行表示.采用基于云模型的煤矿矿井瓦斯风险综合评价方法进行研究，将定性瓦斯风险评价指标和定量瓦斯风险评价指标进行量化和规范化计算.同时，建立了云模型的多层次的煤矿矿井瓦斯风险综合评价指标体系结构，并将其转换成基于云模型的煤矿矿井瓦斯风险综合评价.此外，还根据云重心推理方法，引入基于云模型的煤矿矿井瓦斯风险综合评价方法.

瓦斯事故； 风险评价； 云模型

煤炭资源在我国现代化建设史上所占有的重要地位不言而喻.作为世界上的产煤大国，我国蕴含着丰富的煤炭资源，对煤炭的生产和消耗都是巨大的.在煤矿安全生产过程中，由于煤炭资源的存在方式，导致煤炭的开采过程具有非常高的危险性，对财力和人身安全都产生了很大的威胁性.

煤矿矿井瓦斯风险评价是实现煤矿安全管理工作的一个重要手段，有利于按风险类型、严重程度、生产规模等对煤矿的安全状况进行分级分类管理和监察；有利于动态监控煤矿的安全状况，在矿井不同时期根据井内实际情况适时地做出调整，进而加强对煤矿安全生产的监管，实现对煤矿安全科学性、针对性的监察.对于煤矿矿井瓦斯风险综合评价的研究，有利于实现煤矿安全生产的科学化与系统化.

本文从3类危险源理论出发，并依据重大危险源指标体系，确定影响煤矿安全生产过程中的危险因素，分析各个危险源之间的关系，彻底揭示事故发生的原因，进而运用基于云模型的评价方法实现对煤矿矿井瓦斯风险综合评价的研究.

1 云模型理论

1.1云模型的定义

云的基本概念如下：设U是一个用精确数值表示的定量论域，C是U上的定性概念.若定量值x∈U，且x是定性概念C的一次随机实现，x对C的确定度μ(x) ∈[0，1]是一种有稳定倾向性的随机数：

μ:U[0，1]，∀ x∈U,x→μ(x),

(1)

则x在论域U上的分布称为云，每一个x称为一个云滴，表示为drop(x，μ(x)) .

1.2云模型的数字特征

云模型[1]可以用期望(Ex)、熵(En)和超熵(He)来表示，这3个数字特征表示一个自然语言的定性概念，特征用C(Ex，En，He)来表示.期望(Ex)在云图中的最中心的位置，隶属度为1，代表完全隶属于该定性概念的样本点，最具典型性.熵(En)代表的是不确定度.通过熵可以表示论域空间可被该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，代表的是熵的不确定度，其所呈现的云图的云滴更为离散，云的厚度也越大.所以云模型并不是用确定的数值来表征，而是采用云模型的3个数字特征C(Ex，En，He)实现模糊性和随机性的有机结合.云模型所表示的定性语言值是由云图的形态展现出来的.云图中的每个离散点即为一个云滴[2]，每个云滴表示一个定性语言值的定量数值化表达.云模型是一个定性向定量转化的过程模型.云具有极强的灵活性，其在主观性上具有良好的精准性，从而大大提高了服务指标的可信度.

2 煤矿瓦斯风险综合评价模型研究

2.1煤矿瓦斯事故危险源风险评价指标体系

在现实的煤矿安全生产过程中，煤矿矿井瓦斯事故的发生并不是不可避免的，引起瓦斯风险事故发生的基本因素有以下几类：第一类危险源，瓦斯本身具有一定的易燃易爆性，这一特性不仅为人类创造了良好的生活方式，同样也带来了一定的威胁与风险；第二类危险源，这类危险源主要是指诱发瓦斯事故的因素，包括一些细小的自然的非自然的因素，这些因素一般是可以避免的；第三类危险源，人是煤矿生产中的最核心角色，同样，人也是在煤矿瓦斯危险源系统中最不稳定的因素.综合考虑各个因素对煤矿安全生产状态的影响和各因素之间的相互关系，得到各因素在体系结构中的相互关系，如图1所示.

图1 煤矿矿井瓦斯风险危险源属性集合Fig.1 Gas risks of coal mine and their source

2.2风险评价指标一致化和规范化处理

2.2.1评价指标类型的一致化 根据以往研究经验可知，“极大型”评价指标的值越大代表风险越大，如煤层瓦斯含量、煤层瓦斯涌出量、煤尘爆炸指数、地质构造程度等为极大型定量指标；“极小型”评价指标是取值越小越有风险，如通风系统、瓦斯抽放率、设备安全可靠性、安全投入指数等为极小型定量指标；“居中型”评价指标是取值越居中越有风险；“区间型”是在某一区间内最有风险的指标[3].本文的评价体系中，包含着这些不同的指标，这就使得整个评价系统的风险程度无法得到有效地评价，因此有必要对定量风险评价指标进行一致化处理.

对于极小型评价指标x，令

x*=M-x，

(2)

对于居中型评价指标x，令

(3)

对于区间型评价指标x，令

(4)

2.2.2煤矿矿井瓦斯风险综合评价指标的标准化处理 为了将煤矿矿井瓦斯风险综合评价指标统一在区间[0，1]，必须将评价指标进行规范化处理，本文所采用的方法为极值标准化法[4].对这些评价指标进行正向和逆向的标准化处理的计算公式如下：

对于正向指标:

(5)

对于逆向指标:

(6)

3 基于云模型的瓦斯风险综合评价方法

3.1 基于模糊推理的瓦斯风险综合评价方法

3.1.1模糊集合赋值与输入值模糊化 先构建模糊集合，之后通过模糊综合评价方法获得隶属度函数.固有危险源因素通过煤层瓦斯涌出量、煤层瓦斯含量、煤层瓦斯压力、风流瓦斯含量等构造因素的融合结果获得，利用模糊综合评判加权平均作为固有风险源模糊集的隶属度，α1，α2，α3，α4，α5表示权重信息，可通过层次分析法等方法获得.

取固有危险源论域G=[0，1]×[0，1]×[0，1]×[0，1]×[0，1]，e∈[0，1]为规范化煤层瓦斯涌出量，h∈[0，1]为规范化煤层瓦斯含量，l∈[0，1]为规范化煤层瓦斯压力，f∈[0，1]为规范化风流瓦斯含量，s∈[0，1]为规范化地质构造复杂程度，模糊子集G1={很小}、G2={较小}、G3={中等}、G4={较大}、G5={很大}的隶属度函数[5]定义为：

(7)

其中，ig∈{1，2，3，4，5}，σ1为宽度，一般取σ1= 0.11.

同样，诱发危险源论域Y=[0，1]×[0，1]×[0，1]×[0，1]×[0，1]，模糊子集Y1={很小}、Y2={较小}、Y3={较大}、Y4={很大}的隶属度函数[6]定义为：

μYiy(t，d，z，b，p)=

(8)

其中，iy∈{1，2，3，4}，σ2为宽度，一般取σ2=0.11.

人的因素论域R=[0，1]×[0，1]×[0，1]×[0，1]×[0，1]，模糊子集R1={很小}、R2={较小}、R3={较大}的隶属度函数定义为：

(9)

其中，ir∈{1，2，3}，σ3为宽度，一般取σ3=0.11.

风险度论域W=[0，1]，模糊子集W1={无}、W2={极小}、W3{较小}、W4={中等}、W5={大}、W6={较大}、W7={重大}，隶属度函数为：

(10)

其中，jw∈{1，2，3，4，5，6，7}，w∈[0，1]，σ4的值视情况而定，一般为0.046.

当某一时刻输入煤矿瓦斯风险综合评价属性15个指标的归一化度量[e′，h′，l′，f′，s′，t′，d′，z′，b′，p′，q′，m′，k′，i′，n′]，对属性集合进行模糊化，即计算μGig(e′，h′，l′，f′，s′)，μYiy(t′，d′，z′，b′，q′)，μRir(q′，m′，k′，i′，n′).

3.1.2模糊推理规则与合成模糊集 推理规则形如“ifEthenH”，其中E为推理前件，H为推理结论.当推理条件有两个或两个以上时，通过在推理前件中运用and连接.例如，当推理规则中的推理条件有3个时，将这些前提条件用“and”结合：

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为输入变量，而w为输出变量.

(12)

3.1.3解模糊 对于煤矿矿井瓦斯风险综合评价，一般可用重心法进行模糊集的解模糊[7].

(13)

上式中，w0为得到的最终的瓦斯风险程度，根据最大隶属度原则，经过计算w0对每一风险度模糊子集的隶属度得到煤矿矿井瓦斯风险程度的等级.

3.2基于MIN-MAX云重心推理的瓦斯风险评价方法

云重心推理算法，主要是将模糊性和逻辑推理相结合，对确定度进行相关的运算，从而得到一个期望值，此期望值即为推理结果.设3个推理条件分别为G、Y与R，推理规则有m个，则对推理结论W的推理形式如图2所示,其中，Gi、Yi、Ri(i=1，2，…，m)表示相应论域上的定性概念；g′、y′、r′表示论域上的一个云滴；g′andy′andr′表示已知事实；结论由W′事实“g′andy′andr′”与推理规则合成得到.

图2 对推理结论W的推理形式图Fig.2 The reasoning form of the inference conclusion W

实现步骤为：

(14)

其中，μGi(g′)、μYi(y′)、μRi(r′)、μwi(w)分别表示g′、y′、r′、g对Gi、yi、Ri、Wi的确定度.

w∈[0,1].

(15)

3)运用重心法计算结论W′的代表点w′，最终推理结果为：

(16)

3.3实例仿真分析

表1 煤矿矿井瓦斯风险固有危险源指标原始值

表2 煤矿矿井瓦斯风险诱发风险源指标原始值

表3 煤矿矿井瓦斯风险人为因素风险源指标原始值

3.3.2数据归一化处理 利用量化和归一化计算式，对表1、表2和表3中的煤矿矿井瓦斯风险评价指标数据值进行归一化处理，得到5个煤矿矿井的瓦斯风险评价指标数据的归一化值，如表4～表6所示.

表4 煤矿矿井瓦斯风险固有危险源指标归一化值

表5 煤矿矿井瓦斯风险诱发风险源指标归一化值

表6 煤矿矿井瓦斯风险人的因素风险源指标归一化值

3.3.3MIN-MAX云重心推理实验 首先，根据风险评价分级方法构建规则库.例如，由煤矿矿井瓦斯风险固有危险源因素、诱发危险源因素和人的因素推理风险等级的推理规则为:

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.

近年来工作场所学习领域已然成为教育科学研究的新疆域，引起了国内外学者的广泛关注[1]。澳大利亚格里菲斯大学的史蒂芬·比利特教授认为工作场所学习是一种在参与真实任务，并在获得熟练成员直接或间接指导的活动中获得知识和技能的途径[2]。工作场所学习强调学习的真实场景、真实的实践活动、真实的学习任务，通过体验式学习方式与学习者主观能动性的发挥，获得货真价实的学习经验。目前工作场所学习作为我国成人教育的重要形式，对实现学习型社会的伟大构想，一定程度上起到了举足轻重的作用[3]。

其中，G1、G2、G3、G4、G5分别表示煤矿矿井瓦斯风险固有危险源因素风险度为很小、较小、中等、较大、很大；Y1、Y2、Y3、Y4分别表示煤矿矿井瓦斯风险诱发危险源因素风险度很小、较小、较大、很大；R1、R2、R3分别表示煤矿矿井瓦斯风险人的因素风险度很小、大、很大；W1、W2、W3、W4、W5、W6、W7分别表示煤矿矿井瓦斯风险度无、极小、较小、中等、大、较大、重大.含义是：当固有危险源因素风险度为很小，诱发危险源因素风险度为很小，人的因素风险度为很小，则煤矿矿井瓦斯风险度为无风险.同理可得推理一级指标风险度的推理规则.

根据云推理基本流程，将规范化的煤矿矿井瓦斯风险综合评价指标数据输入仿真程序，得到5个矿井瓦斯风险度以及风险程度，如表7所示.

表7 MIN-MAX云重心推理实验结果

以矿井1为例，煤层瓦斯涌出量为25.33 m3/min，煤层瓦斯含量为30.72 m3/t，煤层瓦斯压力为1.27 MPa，风流瓦斯含量为4.8 m3/t，地质构造程度为25，通风系统为1.784 m/s，瓦斯抽放率为45%，煤炭自然发火期为60，煤尘爆炸指数为33.01%，设备安全可靠性为92.2%，安全管理制度完备率为98%，应急响应机制完善率为98%，安全监管人员配备率为0.66%，安全投入指数为0.2316%，职工技术素质为11.4 a，原始数据通过规范化得到二级风险评价指标值为：

[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]，经过云推理，风险度为0.974，风险程度重大.

以矿井5为例，煤层瓦斯涌出量为10.86 m3/min，煤层瓦斯含量为14.85 m3/t，煤层瓦斯压力为1.82 MPa，风流瓦斯含量为1.2 m3/t，地质构造程度为18，通风系统为1.782 m/s，瓦斯抽放率为46%，煤炭自然发火期为67，煤尘爆炸指数为35.45%，设备安全可靠性为96.1%，安全管理制度完备率为91%，应急响应机制完善率为97%,安全监管人员配备率为0.83%，安全投入指数为0.1428%，职工技术素质为11.8 a，原始数据值通过规范化得到二级风险评价指标值为：

[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].

经过云推理，风险度为0.341，风险程度较小.

由表7可知，在这5个矿井中，矿井1， 2， 3， 4 的风险程度为重大，矿井5的风险程度较小.

3.4.4模糊推理实验 对通过规范化后的煤矿矿井瓦斯风险评价指标数值[8]，采用模糊推理方法进行计算.在模糊综合评判加权平均过程中，煤矿矿井瓦斯风险综合评价指标模糊集的权重设定为：

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.

在模糊推理规则的构建上，由于风险度的输入参数g，y，r3个变量的模糊子集个数分别为Mg=5、My=5、Mr=5，输出模糊子集个数为Mw=7，因此推理规则条数为M=Mg×My×Mr=125.此处推理风险度的推理规则与前面方法所采用的推理规则相同.采用解模糊方法，得到5个矿井的瓦斯风险综合评价结果，如表8所示.

表8 模糊推理实验结果

3.4.5基于云模型的风险评价实验 对经过规范化处理所得数据，采用基于云模型的风险评价方法求解.基本流程如图3所示.基于云模型的煤矿矿井瓦斯风险综合评价计算的结果则如表9所示.

图3 基于云模型的风险评价基本流程图Fig.3 Basic flow chart of risk evaluation based on cloud model

矿井风险程度1较大2较大3重大4大5中等

对比分析3种风险评价方法，基于云模型的风险评价方法不能得出具体的风险度，只能得到风险等级.和模糊推理方法相同，在确定评价指标权重的时候，忽略了主客观因素，使个别瓦斯风险程度评价不准确.

本论文通过监测5个矿井实际数据，对该方法进行了实际应用研究.通过对MIN-MAX云重心推理方法和模糊评价方法以及基于云模型的风险评价方法进行对比仿真实验.基于MIN-MAX云重心推理方法所得的瓦斯风险评价值和风险程度准确性较高，能科学有效地评价煤矿矿井瓦斯风险程度.

云模型理论经过多年的发展，应用领域更加广泛.但云模型理论还不够完善，在其它相关领域的运用和研究不多.近年来，研究人员大多采用正态云模型进行不确定性研究，而只依靠正态云模型难以满足实际应用的需求.因此，对柯西形、岭形等其它形态的云模型的研究势在必行.

煤矿矿井瓦斯风险综合评价研究是一项复杂的系统工程.由于煤矿安全生产系统的状态特点和作业特性，涉及的因素众多，不单单是矿井内的技术条件，还应该考虑到人的生理及心理因素，考虑到所有因素是很难做到的.因此，要通过不断地研究、积累和完善才能研究出科学性更高、有效性更好的评价方法.

[1] 姚 岚. 2009～2013我国煤矿事故统计分析[J].矿山测量，2015(1)：71-73．

[2] 周耀明， 李弼程， 张慧成， 等. 基于云模型的网络舆情预警方法[J].情报学报， 2012， 31(8)：861-874.

[3] 顾 鑫， 徐正全， 刘 进. 基于云理论的可信研究及展望[J].通信学报， 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. 正态云模型相似度计算方法[J].电子学报， 2011， 39(11)：2561-2567．

[8] 张仕斌， 许春香. 基于云模型的信任评估方法研究[J].计算机学报， 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.

国家自然科学基金项目(61165002)．

1000-1190(2016)04-0544-07

TP30

A

*E-mail: yangdeguo@nwnu.edu.cn．